我想查看我的 keras 模型的可训练权重值，目标是查看训练后是否存在大块 0 或 1。
我的 keras 使用的是 tensorflow 后端。这是在 docker 图像中运行，并从 jupyter notebook 运行。
这是我已经走了多远。
print(model.summary()) 将生成所有可训练参数的列表。
_____________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 512, 512, 3) 0
_________________________________________________________________
conv2d_1 (Conv2D) (None, 512, 512, 16) 448
_________________________________________________________________
activation_1 (Activation) (None, 512, 512, 16) 0
_________________________________________________________________
batch_normalization_1 (Batch (None, 512, 512, 16) 64
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 256, 256, 16) 0
_________________________________________________________________
conv2d_2 (Conv2D) (None, 256, 256, 32) 4640
model.trainable_weights 让我看到底层的 tensorflow 变量。
[<tf.Variable 'conv2d_1/kernel:0' shape=(3, 3, 3, 16) dtype=float32_ref>,
<tf.Variable 'conv2d_1/bias:0' shape=(16,) dtype=float32_ref>,
<tf.Variable 'batch_normalization_1/gamma:0' shape=(16,) dtype=float32_ref>,
<tf.Variable 'batch_normalization_1/beta:0' shape=(16,) dtype=float32_ref>,
<tf.Variable 'conv2d_2/kernel:0' shape=(3, 3, 16, 32) dtype=float32_ref>,
<tf.Variable 'conv2d_2/bias:0' shape=(32,) dtype=float32_ref>,
我如何打印这些变量的值以查看有多少得到了疯狂的值，例如 0、1 或无穷大？
最佳答案
最简单的方法是评估权重张量:
from keras import backend as K
for w in model.trainable_weights:
print(K.eval(w))
K.eval(w) 将返回一个 numpy 数组，因此您可以对其执行常规检查，例如:
np.isnan(w)
np.isinf(w)
w == 0
w == 1
并且您可以使用 np.any 或 np.argwhere 来挑出有问题的值。
干杯
关于python-3.x - 如何在 keras 模型中可视化学习到的训练权重？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/56208810/