修改Keras中的图层权重

Question

我试图修改Keras中图层的输出。我有一个编码器，将时间序列转换为潜在空间，然后，对于每个时间序列压缩，我想在时间序列中添加一些数字。

比如我有：

input_d = Input((100,)) 
h1_d = Reshape((100, 1))(input_d) 
h2_d = LSTM(150, return_sequences=True)(h1_d) 
h3_d = TimeDistributed(Dense(64, activation='linear'))(h2_d) 
h4_d = LSTM(150)(h3_d) 
output_d = Dense(30, activation='linear')(h4_d) 

我想要做这样的事情：

new_weights = [] 
for i in outputs_d.weights: 
    new_weights.append(np.vstack(([1,2,3], i))) 

但问题是，我不知道在哪个时刻，我能做到这一点，因为如果在ouput_d之后写了一个Lambda层，我无法访问权重。

Answer 1

我发现要做这样的事情的唯一方法是通过实现所需的功能作为回调，在那里你可以访问模型，从而通过self.model.trainable_weights或self.model.get_weights()访问权重。