python - 为 Keras 卷积网络指定一些不可训练的过滤器

Question

我想开发一个卷积网络架构，在第一层(本例中为 Conv1D)中，我想预先指定不可训练的固定滤波器的某些部分，同时还具有模型可以学习的几个可训练滤波器。这可能吗？如何做到这一点？

我的直觉是，我可以制作两个独立的 Conv1D 层 - 一个可训练，一个不可训练 - 然后以某种方式将它们连接起来，但我不确定这在代码中会是什么样子。另外，对于无法训练的过滤器，如何预先指定权重？

Answer 1

使用函数式 API，这非常容易:

in = Input(....)
convA = Conv1D(filters1, kernel_size1, ...)
convB = Conv1D(filters2, kernel_size2, ...)

convB.trainable = False
convB.set_weights(some_weight_array)

conv1 = convA(in)
conv2 = convB(in)

convFinal = Concatenate(axis = -1)([conv1, conv2])

我还没有尝试过该代码，但在填写小细节后它应该可以工作。