我有一个简单的顺序神经网络，我想用它来训练一个分类器。这个网络由一个输入层、三个隐藏层和一个输出层组成，如下所示：

    #sequential type of modelmodel = Sequential() #stacking layers with .addmodel.add(Dense(len(ytrain), activation='relu', input_dim=100))model.add(Dropout(0.5))model.add(Dense(len(ytrain), activation='relu'))model.add(Dropout(0.5))model.add(Dense(len(ytrain), activation='relu'))model.add(Dropout(0.5))model.add(Dense(len(ytrain), activation='relu'))model.add(Dropout(0.5))model.add(Dense(5, activation='softmax'))

如何提取每个隐藏层的关联权重？最终目标是使用激活函数来计算每个标签成为正确标签的概率。

希望你能理解。任何形式的帮助都将不胜感激。

回答：

weights = [layer.get_weights() for layer in model.layers]