如何在Keras顺序模型上设置自定义权重？

Question

因此，我想自行为Sequential keras模型设置权重。为了获得权数，我将相邻层的节点数彼此相乘。

这是我的代码：

model.add(Dense(units=3, activation='relu', input_dim=4))
model.add(Dense(3, activation='relu'))
model.add(Dense(5, activation='softmax'))

weights_count = []

weights_count.append(4*3)
weights_count.append(3*3)
weights_count.append(3*5)

weights = []

for count in weights_count:
    curr_weights = []
    for i in range(count):
        curr_weights.append(random.random())
    weights.append(curr_weights)
model.set_weights(weights)

此代码生成此错误：

  

ValueError：形状必须相等，但对于输入形状为[4,3]，[12]的“分配”（操作：“分配”），形状必须为2和1。

为什么会这样？

Answer 1

形状未对齐。

您最好这样做：

import numpy as np

# create weights with the right shape, e.g.
weights = [np.random.rand(*w.shape) for w in model.get_weights()]

# update
model.set_weights(weights)

希望有帮助。