keras - 如何获得 Conv2D 层过滤器权重

Question

如何在每个纪元后获取 Keras 中 Conv2D 层的所有过滤器(如 32、64 等)的权重？我提到这一点，因为初始权重是随机的，但在优化后它们会改变。

我检查了this answer但不明白。请帮我找到一个解决方案，在每个时期之后获取所有过滤器的权重。

还有一个问题是，在 Keras 文档中，Conv2D 层的输入形状是(样本、 channel 、行、列)。 samples 到底是什么意思？是我们拥有的输入总数(例如在 MNIST 数据集中是 60.000 个训练图像)还是批量大小(例如 128 或其他)？

Answer 1

样本 = 批量大小 = 一批中的图像数量

Keras 通常会为此维度使用 None，这意味着它可以变化，您不必设置它。

虽然这个维度确实存在，但是当你创建一个图层时，你传递 input_shape 而没有它:

Conv2D(64,(3,3), input_shape=(channels,rows,cols))
#the standard it (rows,cols,channels), depending on your data_format

---

要在每个纪元(或批处理)之后完成操作，您可以使用 LambdaCallback ，传递 on_epoch_end 函数:

#the function to call back
def get_weights(epoch,logs):
    wsAndBs = model.layers[indexOfTheConvLayer].get_weights()
    #or model.get_layer("layerName").get_weights()

    weights = wsAndBs[0]
    biases = wsAndBs[1]
    #do what you need to do with them
    #you can see the epoch and the logs too: 
    print("end of epoch: " + str(epoch)) for instance

#the callback
from keras.callbacks import LambdaCallback
myCallback = LambdaCallback(on_epoch_end=get_weights)

将此回调传递给训练函数:

model.fit(...,...,... , callbacks=[myCallback])