如何獲得Conv2D圖層濾鏡的權重

如何在Keras中的每個時期之後獲得Conv2D圖層的所有濾鏡（如32,64等）的權重？我提到這一點，因爲初始權重是隨機的，但優化後它們會改變。如何獲得Conv2D圖層濾鏡的權重

我檢查了this answer但不明白。請幫助我找到解決所有過濾器和每個時代後的權重的解決方案。

還有一個問題是Keras文檔中的Conv2D圖層輸入形狀是（samples，channels，rows，cols）。 samples究竟意味着什麼？它是我們擁有的輸入總數（如在MNIST數據集中是60,000個訓練圖像）還是批量大小（如128或其他）？

來源

2017-09-14 Hitesh

你到底明白了什麼？你需要具體，否則它是一個重複的問題。 –

假設我在keras中製作了一個類似Conv2D（64，（3，3），activation ='relu'）的模型，這意味着沒有過濾器是64並且每個過濾器的大小是3 * 3。對於任何模型的第一次迭代，這些64 * 3 * 3值通過讓我們說glorot_uniform初始化，然後在model.compile中初始化，我使用sgd優化器。現在，這64位文件員將獲得新的價值。我想看到這些新的價值。 – Hitesh

我知道。你鏈接的問題提供了答案。你還沒有解釋你從另一個問題中不瞭解的內容。 –

樣品=批量大小=圖像的數量在一個批處理

Keras會經常使用None這個維度，這意味着它可以改變你不必設置。

雖然這方面確實存在，當你創建一個層，你通過input_shape沒有它：

Conv2D(64,(3,3), input_shape=(channels,rows,cols)) 
#the standard it (rows,cols,channels), depending on your data_format

爲每個時間段（或批次）後都做的動作，你可以使用一個LambdaCallback，經過on_epoch_end功能：

#the function to call back 
def get_weights(epoch,logs): 
    wsAndBs = model.layers[indexOfTheConvLayer].get_weights() 
    #or model.get_layer("layerName").get_weights() 

    weights = wsAndBs[0] 
    biases = wsAndBs[1] 
    #do what you need to do with them 
    #you can see the epoch and the logs too: 
    print("end of epoch: " + str(epoch)) for instance 

#the callback 
from keras.callbacks import LambdaCallback 
myCallback = LambdaCallback(on_epoch_end=get_weights)

通過這個回調訓練功能：

model.fit(...,...,... , callbacks=[myCallback])

來源

2017-09-14 13:22:42

我在mnist數據集中使用了批量大小= 128 – Hitesh

好的，你是對的。但這個方面不應該讓我們擔心。它是自動計算的，我們不需要將它放在圖層中。我們必須把'conv2D（filers，kernel_size，input_shape =（side1，side2，channels））' –

如何獲得Conv2D圖層濾鏡的權重

回答

相關問題