python - 在 Keras 的 Alexnet 模型中使用预训练权重

Question

我正在尝试使用 bvlc_alexnet.npy 中的预训练权重来实现 AlexNet :

#load the weight data
weights_dic = numpy.load('bvlc_alexnet.npy', encoding='bytes').item()
conv1W = weights_dic["conv1"][0] # <class 'numpy.ndarray'> (11, 11, 3, 96)
conv1b = weights_dic["conv1"][1] # <class 'numpy.ndarray'> (96,)

model = Sequential()
model.add(Conv2D(96, kernel_size=[11, 11], kernel_initializer = <???>, 
             bias_initializer = <???>, dtype=np.ndarray), activation='relu', strides=4, padding="same")

在这里，我困惑于如何将这些权重(conv1W 和 conv1b)分配给 kernel_initializer 和 bias_initializer 属性。

Answer 1

首先构建模型，无需设置任何初始值设定项。然后按照层在模型中出现的顺序将所有权重放入列表中(例如 conv1_weights、conv1_biases、conv2_weights、conv2_biases 等)，然后调用模型的 set_weights 方法:

model.set_weights(weights)

或者，您可以单独设置每个层的权重:

model.layers[layer_index].set_weights([layer_weights, layer_biases])

# or using layer's name if you have specified names for them
model.get_layer(layer_name).set_weights([layer_weights, layer_biases])