时间戳

首页 > 解决方案 > 为什么在 tensorflow 会话中访问 keras 模型参数值会发生变化？

tensorflow - 为什么在 tensorflow 会话中访问 keras 模型参数值会发生变化？

问题描述

我的迁移学习实施遇到了麻烦。我想我找到了根本原因，但我不清楚它为什么会这样。这里是解释...

如果我创建一个模型（例如来自 keras.applications 的 resnet50），然后尝试在 tensorflow 会话中使用它，权重会突然发生变化。这是一个简单的例子：

首先导入必要的库：

import tensorflow as tf
from keras.applications.resnet50 import ResNet50
from keras.models import Model

然后定义模型如下：

model = ResNet50(weights='imagenet')

现在从其中一层打印出参数，如下所示：

model.get_layer('conv1').get_weights()

输出很长，但开始如下：

[array([[[[ 2.82526277e-02, -1.18737184e-02,  1.51488732e-03, ...,
           -1.07003953e-02, -5.27982824e-02, -1.36667420e-03],
          [ 5.86827798e-03,  5.04415408e-02,  3.46324709e-03, ...,
            1.01423981e-02,  1.39493728e-02,  1.67549420e-02],
          [-2.44090753e-03, -4.86173332e-02,  2.69966386e-03, ...,
           -3.44439060e-04,  3.48098315e-02,  6.28910400e-03]],

稍后在程序中，我需要从 csv 文件中读取一些数据。我尝试使用来自 tensorflow 的数据集 API 来读取数据。为此，我创建了一个 tensorflow 会话。如果我想在 tensorflow 会话中使用模型，我会看到模型参数发生了变化。

这是一个代码示例：

init_global_var = tf.global_variables_initializer() 
with tf.Session() as sess:
  sess.run(init_global_var)
  print(model.get_layer('conv1').get_weights())

输出开始如下：

[array([[[[ 3.95432524e-02, -2.38095019e-02, -1.64129660e-02, ...,
          -2.83494107e-02,  2.25975104e-02, -1.48569904e-02],
         [ 2.40861587e-02,  1.48933977e-02, -4.10864130e-02, ...,
          -3.18703875e-02, -9.43836942e-03,  1.18204653e-02],
         [ 2.99405716e-02,  1.69009715e-03, -1.43084712e-02, ...,
          -2.93575712e-02,  2.70796008e-02, -3.17203328e-02]],

由于我还没有训练模型，我希望看到相同的参数值，但它们不一样！

所以问题是：我必须在 tensorflow 会话中创建我的模型吗？为什么我的 resnet50 模型可以访问，但在 tensorflow 会话中具有不同的参数值？

标签： tensorflowmachine-learningkerasconv-neural-network

解决方案

看起来，这个问题是 Tensorflow 中另一个问题的复制品。请查看此问题以获取答案：

将 Keras 模型集成到 TensorFlow 中

推荐阅读