tensorflow - 使用 Keras 从 LSTM 神经网络中提取权重

Question

我已经在 keras 中训练了一个递归神经网络 (LSTM)，但现在我正在努力将所有部分组合在一起。具体来说，我无法理解如何重构权重矩阵。

我有一个输入层，一个隐藏层和一个输出层，如下:

# create the model
model = Sequential()
model.add(LSTM(100, dropout=0.5, recurrent_dropout=0.5, input_shape=(timesteps, data_dim), activation='tanh'))
model.add(Dense(5, activation='softmax'))

当我调用 model.get_weights() 时，我只获得了隐藏层和输出层的偏置单元，但输入层的偏置单元似乎丢失了。也就是说，我有一个 15x400 矩阵，然后是一个 400x101 和一个 101X5。

我在这里遗漏了什么吗？

谢谢你的帮助

Answer 1

Sequential 是 Keras 中的模型，而不是输入层。神经网络中的输入层只是将输入传递给隐藏层，不需要偏置神经元。在您的情况下，model.get_weights() 返回这些数组


(15, 400)
(100, 400)
(400,)
(100, 5)
(5,)


其中
(400,)是LSTM层的偏置数组
(5,)是Dense层的偏置数组