Метод get_weights

Метод get_weights класса Model возвращает список, содержащий значения весов всех слоев модели. Каждый элемент списка представляет собой массив NumPy с весами соответствующего слоя. Метод не принимает обязательных параметров и возвращает веса в том порядке, в котором слои были добавлены в модель. Для каждого слоя возвращается столько массивов, сколько тензоров весов он содержит, например, для полносвязного слоя это матрица весов и вектор смещений.

Синтаксис

model.get_weights()

Пример

Давайте создадим простую модель с одним полносвязным слоем и получим ее веса:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(3, input_shape=(2,))
])

weights = model.get_weights()
print(type(weights))
print(len(weights))
print(weights[0].shape)
print(weights[1].shape)

Результат выполнения кода:

<class 'list'>
2
(2, 3)
(3,)

Пример

Давайте выведем значения весов модели:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(3, input_shape=(2,))
])

weights = model.get_weights()
print(weights[0])
print(weights[1])

Результат выполнения кода:

[[ 0.79948825 -0.17133099  0.34143555]
 [ 0.30856884  0.6760856  -0.87366986]]
[0. 0. 0.]

Пример

Давайте создадим модель с двумя слоями и посмотрим на количество массивов весов:

import tensorflow as tf

tf.random.set_seed(0)

model = tf.keras.Sequential([
	tf.keras.layers.Dense(4, input_shape=(3,)),
	tf.keras.layers.Dense(2)
])

weights = model.get_weights()
print(len(weights))
print(weights[0].shape)
print(weights[1].shape)
print(weights[2].shape)
print(weights[3].shape)

Результат выполнения кода:

4
(3, 4)
(4,)
(4, 2)
(2,)

Смотрите также

метод set_weights,
который устанавливает веса модели
атрибут weights,
который содержит список тензоров весов модели
атрибут trainable_weights,
который содержит список обучаемых весов модели
метод get_config,
который возвращает конфигурацию модели