在 Keras 中保存模型权重：什么是模型权重？

Question

我通过 Keras 创建了一个用于图像识别的深度学习模型，并将模型权重保存为model.save_weights('weights.h5'). 另外，我加载了它并再次使用了重量。

我知道这model.save_weights()可以节省模型权重。我的问题是模型权重是多少？是过滤器的重量吗？

Answer 1

模型权重是模型的所有参数（包括可训练和不可训练的），这些参数又是模型各层中使用的所有参数。是的，对于卷积层，它既是过滤器权重又是偏差。

实际上，您可以看到每一层的它们：尝试model.layers[layer_index].get_weights()您将获得该层的权重。当您save_weights()实际调用时，它是get_weights()在文件中存储的每个层上调用的输出。

例如，对于卷积层，get_weights()方法将返回一个包含两个元素的列表，这些元素对应于过滤器权重和偏差。下面是一个例子：

model = Sequential()
model.add(Conv2D(5, (3,3), input_shape=(100, 100, 3)))

filters, biases = model.layers[0].get_weights()

>>> filters.shape
(3, 3, 3, 5)  <--- 5 filters of shape (3, 3, 3)

>>> biases.shape
(5,)    <--- one bias parameter for each filter

>>> filters[:, :, :, 0]   # get the first filter's weights
array([[[-0.26788074, -0.20213448,  0.06233829],
    [ 0.08651951,  0.21303588,  0.08127764],
    [ 0.04672694, -0.24589485, -0.12873489]],

   [[ 0.10841686,  0.24839908, -0.07466605],
    [-0.26903206, -0.0341135 ,  0.15083215],
    [-0.07382561, -0.00576964, -0.25354072]],

   [[-0.02937067,  0.22315139, -0.12964793],
    [ 0.23371089,  0.19973844, -0.00728002],
    [-0.2748396 , -0.02097657,  0.22772402]]], dtype=float32)