Список весов в TensorFlow

Чтобы прочитать все обучаемые числа модели разом, служит метод get_weights. Он возвращает список массивов NumPy: для каждого слоя - столько элементов, сколько у него тензоров параметров.

Соберём короткую цепочку, прогоним одну строку, чтобы параметры создались, и выведем длину списка и тип первого массива:

import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(2, input_shape=(3,)),
])
row = tf.constant([[1.0, 2.0, 3.0]])
model(row)
weights = model.get_weights()
print(len(weights))
print(type(weights[0]).__name__)
# выведет 2
# выведет ndarray

У полносвязного блока в списке обычно матрица связей и столбец смещений. Если слоёв несколько, массивы идут в том же порядке, что и блоки в модели:

import tensorflow as tf

tf.keras.utils.set_random_seed(0)
model = tf.keras.Sequential([
	tf.keras.layers.Dense(3, input_shape=(2,)),
	tf.keras.layers.Dense(1),
])
table = tf.constant([[1.0, 0.0], [0.0, 1.0]])
model(table)
weights = model.get_weights()
print(len(weights))
print(weights[0].shape)
print(weights[1].shape)
# выведет 4
# выведет (2, 3)
# выведет (3,)

Соберите цепочку из одного полносвязного блока на 4 выхода для строки из 5 признаков. Прогоните строку [0.0, 1.0, -1.0, 0.5, 2.0] и выведите, сколько массивов в списке параметров модели.

Задайте модель: первый блок на 2 числа для входа длины 3, второй - на одно число. Подайте таблицу из одной строки [1.0, 0.0, -1.0] и выведите форму первого массива в списке параметров.

Создайте цепочку с одним блоком на 3 выхода и входом длины 2. После одного прогона выведите форму второго массива в списке параметров модели.