我正在使用预先训练的Keras模型MobileNets。我正在尝试将一个图层的权重保存在文本文件中。权重矩阵的维如下：
layerr = model.layers[2].get_weights()
print(layerr.shape)
(1, 3, 3, 3, 32)
对于哪个3对应于通道，哪个对应于高度和宽度，我感到困惑。我知道32对应于过滤器的数量。
如果您能帮助我将它们另存为线性矩阵，那也很棒！
答案 0 :(得分：2)
有些奇怪，get_weights()应该返回一个列表，在此代码中情况并非如此。无论如何，假设您从列表中选择了正确的数组，并假设它是3D卷积...（否则有些事情不太正确，我想请您分享确切的图层定义）。
听起来像3D卷积滤波器，其编号依次为：
有几种保存numpy数组的方法。我喜欢numpy.save()。
np.save('filename.npy', layerr)
您还可以创建一个文本文件并将其另存为文本：
with open('filename.txt', 'w') as f:
f.write(str(layerr))
不确定“线性矩阵”是什么，但是如果只需要一个维度，则可以重塑形状：
flatWeights = layerr.reshape((-1,))
#then save
但是，如果您要保留以后使用，最好使用model.save()或model.save_weights()。