在Keras模型中设置权重-Java 学习之路

我需要帮助将自定义权重设置为用于2D卷积的小型自定义Keras模型 . 我有一个看起来像这样的输入：

X = [[[3, 2, -4],
      [0, 5, 4],
      [2, -1, -7],
      [-7, 0, 1]],
     [[-8, 9, 1],
      [-3, 6, 0],
      [0, -4, 2],
      [5, 1, 1]]]

因此，可以想象只有两个通道的4x3图像 . 我的内核看起来像这样：

kernel = [[[2, 1],
           [0, -1],
           [0, -1]],
          [[1, 2],
           [2, -1],
           [2, -2]]]

所以，一个二维3x2内核 . 手动执行2D卷积，步长为1且无填充，产生：

[[10, 14],
 [27, 16]]

不幸的是，以下Keras代码：

model = Sequential()
conv2d = Conv2D(filters=1, kernel_size=(3,2), strides=1, input_shape=(2,4,3), use_bias=False)
model.add(conv2d)
layer = model.layers[0]
layer.set_weights([np.array(kernel).reshape(3, 2, 2, 1)])
print(model.predict(np.array(X).reshape((1,) + np.shape(X))))

输出：

[[19, -6],
 [-39, 16]]

我无法弄清楚Keras如何为卷积组织其内核 . 到目前为止，看起来非常违反直觉，但我可能错过了一些东西 .

我使用Keras 2.0.9和Tensorflow 1.4.0作为后端 .

1 回答

4
keras中的内核遵循以下形状： (height, width, input_channels, output_channels) - 即使您使用的是 channels_first .

你认为它使用的形状是正确的 (3,2,2,1)

但是您的手动计算正在考虑倒置形状 . 在您的手动计算中，您正在使用 (input_channels, height, width) .

当你使用内核时，你并没有正确地重新排序这些维度 . 刚重塑不等于"transposing"数组 . 重塑只是重新组合数据而不进行任何重新排序 .

要在keras中获得正确的结果，您需要正确地交换轴：
```
#start as (input_channels, height, width) = (2,3,2)    
kernel = np.array([[[2, 1],
       [0, -1],
       [0, -1]],
      [[1, 2],
       [2, -1],
       [2, -2]]])

#change to (height, input_channels, width) = (3,2,2)   
kernel = kernel.swapaxes(0,1)

#change to (height, width, input_channels) = (3,2,2)
kernel = kernel.swapaxes(1,2)

#add output_channels
kernel = kernel.reshape((3,2,2,1))
```
回复于 2024-04-26T15:23:51+08:00

在Keras模型中设置权重

1 回答

相关问题