我正在寻找一种方法来重新初始化现有Keras预训练模型中某一层的权重。

我使用Python和Keras进行迁移学习，加载预训练的Keras模型时使用以下代码：

from keras.applications import vgg16, inception_v3, resnet50, mobilenetvgg_model = vgg16.VGG16(weights='imagenet')

我了解到，当使用的数据集与原始数据集非常不同时，可能有益于在已训练网络的低级特征上创建新层。

我找到了如何进行微调参数的方法，现在我正在寻找一种方法来重置选定的层，以便重新训练。我知道我可以创建一个新模型，并使用第n-1层作为输入，然后添加第n层，但我正在寻找一种方法来重置现有模型中现有层的参数。

回答：

无论出于何种原因，您可能希望重新初始化单个层k的权重，以下是实现这一目标的一般方法：

from keras.applications import vgg16from keras import backend as Kvgg_model = vgg16.VGG16(weights='imagenet')sess = K.get_session()initial_weights = vgg_model.get_weights()from keras.initializers import glorot_uniform  # 或者您选择的初始化器k = 30 # 假设是第30层new_weights = [glorot_uniform()(initial_weights[i].shape).eval(session=sess) if i==k else initial_weights[i] for i in range(len(initial_weights))]vgg_model.set_weights(new_weights)

您可以轻松验证initial_weights[k]==new_weights[k]返回一个False数组，而对于任何其他i，initial_weights[i]==new_weights[i]返回一个True数组。