python - 根据预定义的初始化程序,具有相同初始化内核的 Keras 卷积层?
问题描述
是否可以在Keras 中创建一个卷积Conv2D
层(he_normal
glorot_uniform
换句话说,我想使用 初始化其中一个内核kernel_initializer='he_normal'
,然后复制并使用该初始化的权重矩阵来初始化所有其他内核,仅在该层中。
以半伪代码方式,这(在概念上类似于)我正在寻找的内容:
n_filters = 64
x = Conv2D(1, 3,... kernel_initializer='he_normal')
he_normal_kernel = *the kernel weight matrix that was just created* #copy kernel weight matrix
he_normal_kernels = he_normal_kernel * n_filters #make n_filters copies of that matrix
x = Conv2D(n_filters, 3,... kernel_initializer=he_normal_kernels) # use those as the initialization of our convolutional layer
只要它按预期工作,我对如何实现这一点是公正的。
当我们在这里时,是否有任何内在的理论原因表明这可能是一个坏主意?
谢谢!
解决方案
推荐阅读
- amazon-web-services - aws elasticsearch SysMemoryUtilization 指标是否准确?
- php - 如何使用 PHP 计算科学方法
- python - 用于为不断变化的网站查找当前域地址的 Python 脚本
- bash - Bash:用管道合并两个表并基于两个不同的列
- ios - 无法读取 PLugin.Ble 中的特征
- python-3.x - 如何在 python 控制台中运行 linux 命令
- angular - 为什么父组件能够从 Angular 服务获取 Observable 类型的数据,而父组件却无法将数据传递给子组件?
- google-colaboratory - Colab 不会在不同会话的同一帐户上共享存储
- python - 如果存在包依赖冲突,如何停止 pip 安装?
- html - 创建可重用 Angular UI 组件的最佳方法