如何設置Convolution2D的權重？

Question

我想設置一個Convolution2D層的權重：

conv = Convolution2D(conv_out_size, window_size, embedding_size, 
        border_mode='same', 
        activation='relu', 
        weights=weights, 
        name='conv_{:d}'.format(i))(in_x) 

，但我不知道怎麼在這裏期待。我已經嘗試了幾件事，但大部分時間我得到

ValueError: You called `set_weights(weights)` on layer "conv_0" with a weight list of length 1, but the layer was expecting 2 weights. 

不知道這究竟意味着什麼。

Answer 1

您應該通過set_weights方法將一個numpy數組傳遞給卷積圖層。

請記住，卷積層的權重不僅是每個單獨過濾器的權重，還有偏差。所以如果你想設置你的權重，你需要添加一個額外的維度。

例如，如果你想設置一個1x3x3過濾器與所有的權重，除了中央零元素，你應該讓：

w = np.asarray([ 
    [[[ 
    [0,0,0], 
    [0,2,0], 
    [0,0,0] 
    ]]] 
    ]) 

然後將其設置。

有關代碼可以運行：

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 
from __future__ import print_function 
import numpy as np 
np.random.seed(1234) 
from keras.layers import Input 
from keras.layers.convolutional import Convolution2D 
from keras.models import Model 
print("Building Model...") 
inp = Input(shape=(1,None,None)) 
output = Convolution2D(1, 3, 3, border_mode='same', init='normal',bias=False)(inp) 
model_network = Model(input=inp, output=output) 
print("Weights before change:") 
print (model_network.layers[1].get_weights()) 
w = np.asarray([ 
    [[[ 
    [0,0,0], 
    [0,2,0], 
    [0,0,0] 
    ]]] 
    ]) 
input_mat = np.asarray([ 
    [[ 
    [1.,2.,3.], 
    [4.,5.,6.], 
    [7.,8.,9.] 
    ]] 
    ]) 
model_network.layers[1].set_weights(w) 
print("Weights after change:") 
print(model_network.layers[1].get_weights()) 
print("Input:") 
print(input_mat) 
print("Output:") 
print(model_network.predict(input_mat)) 

嘗試在卷積fillter改變中心元件（在實施例2）。

代碼的作用：

起初建立一個模型。

inp = Input(shape=(1,None,None)) 
output = Convolution2D(1, 3, 3, border_mode='same', init='normal',bias=False)(inp) 
model_network = Model(input=inp, output=output) 

打印原來的權重（初始化符合正態分佈時，init = '正常'）

print (model_network.layers[1].get_weights()) 

創建你想要的體重張量w和一些輸入input_mat

w = np.asarray([ 
    [[[ 
    [0,0,0], 
    [0,2,0], 
    [0,0,0] 
    ]]] 
    ]) 
input_mat = np.asarray([ 
    [[ 
    [1.,2.,3.], 
    [4.,5.,6.], 
    [7.,8.,9.] 
    ]] 
    ]) 

設定權重並打印出來

model_network.layers[1].set_weights(w) 
print("Weights after change:") 
print(model_network.layers[1].get_weights()) 

最後，用它來生成與輸出預測（預測自動編譯模型）

print(model_network.predict(input_mat)) 

輸出示例：

Using Theano backend. 
Building Model... 
Weights before change: 
[array([[[[ 0.02357176, -0.05954878, 0.07163535], 
     [-0.01563259, -0.03602944, 0.04435815], 
     [ 0.04297942, -0.03182618, 0.00078482]]]], dtype=float32)] 
Weights after change: 
[array([[[[ 0., 0., 0.], 
     [ 0., 2., 0.], 
     [ 0., 0., 0.]]]], dtype=float32)] 
Input: 
[[[[ 1. 2. 3.] 
    [ 4. 5. 6.] 
    [ 7. 8. 9.]]]] 
Output: 
[[[[ 2. 4. 6.] 
    [ 8. 10. 12.] 
    [ 14. 16. 18.]]]]