python-3.x - 是否可以保存经过训练的层以在 Keras 上使用层？

Question

我没有使用过 Keras，我正在考虑是否使用它。

我想保存经过训练的图层以供以后使用。例如:

1. 我训练一个模型。
2. 然后，我获得一个经过训练的层t_layer。
3. 我有另一个要训练的模型，其中包含 layer1、layer2、layer3 。
4. 我想使用 t_layer 作为 layer2 并且不更新该层(即 t_layer 不再学习)。

这可能是一个奇怪的尝试，但我想尝试一下。这在 Keras 上可能吗？

Answer 1

是的，确实如此。

您可能必须保存图层的权重和偏差，而不是保存图层本身，但这是可能的。

Keras 还允许您 save entire models .

假设您在 var model 中有一个模型:

weightsAndBiases = model.layers[i].get_weights()

这是一个 numpy 数组列表，很可能有两个数组:权重和偏差。您可以简单地使用 numpy.save() 来保存这两个数组，稍后您可以创建一个类似的层并为其赋予权重:

from keras.layers import *
from keras.models import Model

inp = Input(....)    
out1 = SomeKerasLayer(...)(inp)  
out2 = AnotherKerasLayer(....)(out1)
.... 
model = Model(inp,out2)
#above is the usual process of creating a model    

#supposing layer 2 is the layer you want (you can also use names)    

weights = numpy.load(...path to your saved weights)    
biases = numpy.load(... path to your saved biases)
model.layers[2].set_weights([weights,biases])

您可以使层不可训练(必须在模型编译之前完成):

model.layers[2].trainable = False    

然后编译模型:

model.compile(.....)    

这就是一个模型，其一层是不可训练的，并且具有由您定义的从其他地方获取的权重和偏差。