在PyTorch框架中，TF/Keras方法get_weights()和set_weights()有没有对应的方法可以快速获得模型的权重并设置新的权重？或许还有其他简单的方法可以做到这一点呢？
浏览 124提问于2021-09-24得票数 1
1回答
当我有2个输入，1个隐藏层，3个节点和1个输出时，我如何在一开始声明固定的权重？ 因此，输入权重必须有6个固定值，输出权重必须有3个固定值。tf.Variable([wi1],[wi2],[wi3],[wi4],[wi5],[wi6])
weights_output=tf.Variable([wo1],[wo2],[wo3]) 也许是这样的？
浏览 17提问于2019-10-16得票数 1
我在Keras中训练了一个特征提取器，并将权重保存为一个h5文件。现在，我希望将相同的权重加载到在PyTorch中创建和初始化的相同模型中，以便进行性能比较。有没有办法将h5文件转换为pth文件，以便将其加载到PyTorch模型中？
浏览 0提问于2019-08-04得票数 3
我需要一种方法，可以在每次迭代中访问TensorFlow或Keras中的权重矩阵，这样我就可以将其转换为Numpy中用于对其执行某些操作的格式，然后将其发送回TensorFlow。由于我无法在TensorFlow或Keras中找到这样的方法，所以我必须使用Numpy。impor
浏览 0提问于2018-10-08得票数 0
回答已采纳
2回答
Denker和Sara . Solla的文章“最佳脑损伤”，其中作者讨论了神经网络每个重量的显着性估计(他们用扰动体重时损失函数的变化来定义)。突出程度越大，重量对学习的影响就越大。在Keras或Tensorflow中是否有任何代码/API来计算一个简单的完全连接的神经网络(包含一个或两个隐藏层)的“权重显着性”？
浏览 0提问于2020-06-16得票数 1
回答已采纳
2回答
在第三个标题"3.可视化每个过滤器的激活映射“下，我们可以看到以下功能： # set the weightsof the filter in the convolutional layer to filter_list[i]model.layers[0].set_weights([np.resh
浏览 0提问于2018-08-02得票数 2
回答已采纳
我在Tensorflow中训练了一个相当简单的MLP模型(在mnist数据集上)，提取了经过训练的权重，在PyTorch中创建了相同的模型架构，并将经过训练的权重应用到PyTorch模型中。现在，我的期望是从Tensorflow和PyTorch模型中获得相同的测试精度，但事实并非如此。我得到了不同的结果。模型
def build_model() -> tf.
浏览 3提问于2020-09-28得票数 3
回答已采纳
使用Tensorflow2/Keras，我想在训练期间根据一些更新规则修改模型组件的权重。为此，我使用了get_weights()和set_weights()方法。我试着按如下方式实现： "loss": loss,
浏览 0提问于2021-03-22得票数 0
我正在使用带有Tensorflow的Keras。Keras层有一个方法"get_weights()“和一个属性"weights”。我的理解是，“weight”输出权重的Tensorflow张量，"get_weights()“计算权重张量并将值输出为numpy数组。然而，这两者实际上向我展示了不同的价值。下面是要复制的
浏览 3提问于2017-09-06得票数 2
在tensorflow 1中，我经常运行tf.global_variables_initializer()，以便(re)-initialize图中的所有变量。我离开tensorflow已经有一段时间了，我没有看到可以重新初始化变量的方法。我正在运行，我希望能够多次调用model.fit，而不需要它温暖地从它目前正在进行的进展开始。
浏览 3提问于2019-12-26得票数 0
回答已采纳
我正在尝试重新创建一个用Py火炬编写的转换器，并在Tensorflow中实现它。问题是，尽管版本和版本的文档都有，但它们的结果还是非常不同的。我编写了一些代码片段来展示这个问题：import tensorflow as tfsrcPT = torch.Tensor(src.reshape
浏览 11提问于2022-04-19得票数 1
回答已采纳
如何更新keras BatchNormalization中的移动均值和移动方差？我在tensorflow文档中发现了这一点，但我不知道将train_op放在哪里，也不知道如何使用keras模型： train_op = optimizer.minimize( loss )
我发现的</e
浏览 0提问于2018-05-03得票数 4
回答已采纳
我正在尝试在TensorFlow中实现三重奏关注。我面临的问题之一是在TensorFlow中用什么代替NN.module class ChannelPool(nn.Module): return
浏览 14提问于2021-09-12得票数 0
回答已采纳
1回答
我已经尝试过很多方法，比如onnx2keras、pytorch2keras等等。但总会有什么不对劲的..。在我尝试之前，我想问一下你是否有类似的经历？我知道有set_weights方法，但这是针对角点到角点的，所以没
浏览 3提问于2021-03-19得票数 0
model体系结构是Conv2D with 32 filters -> Flatten -> Dense -> Compile -> Fit在此模型中，我删除了第一层和对应的完全连接层中的最后一个过滤器我使用以下方法创建了一个名为model_1的新模型：model_1 = Sequential()
model] == model.layers[0].<
浏览 2提问于2020-05-14得票数 0
回答已采纳
我有一个简单的序贯角模型，有150个输入。其中有些只是简单的OneHotEncoded值。现在，我想向OneHotEncoder添加更多选项。作为一个例子:我以前有蓝色，绿色和红色编码为二进制值的输入，现在我想添加黄色，橙色和紫色以及。事情是，我想保留在我现有的训练模型中的权重，简单地添加新的输入与新的随机权重，并继续在已经建立的基础上的训练。
我如何才能做到这一点，并确保我<em
浏览 0提问于2023-02-18得票数 0
回答已采纳
1回答
嗨，我训练了一个自动编码器网络，卷积层为96*96*32 现在，我通过以下方法获得名为autoencoder的模型的权重 layer=autoencoder.layers[1]
W=layer.get_weights() 由于w是一个列表，请帮助我对它的元素进行排序，并可视化经过训练的内核。我猜它应该是32个内核，大小为96×96 当我输入的时候 len(w) 它给出2，所以我有2个数组 顶部的数组有9个子数组，每个子数组有<
浏览 21提问于2020-04-18得票数 3
回答已采纳
1回答
我想把一个4层密集的网络放在像nasnet_mobile这样的预先训练的模型前面。我尝试过几种不同的方法，但它们都会让人头痛(也就是错误)。在工作的keras+tensorflow2中有什么方法可以做到这一点呢？是否有一些“标志”，我必须将稠密的输出指定为整数，或者图片？，在预先训练的模型中，我必须允许它连接吗？(更新)如果我正在复制，
浏览 0提问于2020-01-18得票数 2
回答已采纳
1回答
我知道这是个愚蠢的问题，但我找不到一个好的方法来表达它。框架，如Keras、TensorFlow、PyTorchRL实现库，如TFAgents、RLlib、OpenAi基线、Tensorforce、KerasRL等
例如，TensorFlow中有Keras
浏览 5提问于2020-12-14得票数 3
回答已采纳
1回答
我正在尝试创建一个具有延迟/衰减输入的网络。原始输入将是一个向量，每个元素的输入为0、1或-1。我很好奇同时激活任何给定的输入是否有任何价值，所以我想让权重从1或-1衰减到0，而不是在下一次迭代中只是0，我想这是一种粗糙的记忆形式。这很容易手动完成，只需添加一个额外的输入来获取衰减值的向量，但我想知道是否可以让网络在这里学习它自己的值，以便它可以为更重要的输入提供更小的衰
浏览 14提问于2020-08-29得票数 0
回答已采纳
云服务器
ICP备案
对象存储
云点播
实时音视频
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号