我尝试使用来自bvlc_alexnet.npy的预先训练的权重来实现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,我一直在讨论如何将这些权重(conv1W
和conv1b
)分配给kernel_initializer
和bias_initializer
属性。在
首先构造模型,不需要设置任何初始值设定项。然后按照层在模型中出现的相同顺序将所有权重放入列表中(例如,conv1_权重、conv1_bias、conv2_权重、conv2_bias等),然后调用模型的
set_weights
方法:或者,可以单独设置每个层的权重:
^{pr2}$相关问题 更多 >
编程相关推荐