Keras Gewichte und get_weights() zeigen verschiedene Werte

Question

Ich benutze Keras mit Tensorflow. Ein Keras Layer hat eine Methode "get_weights()" und ein Attribut "weights". Mein Verständnis ist, dass "Gewichte" die Tensorflow-Tensoren der Gewichte ausgibt und "get_weights()" die Gewichtstensoren auswertet und die Werte als numme Arrays ausgibt. Die beiden zeigen mir jedoch tatsächlich andere Werte. Hier ist der zu replizierende Code.

from keras.applications.vgg19 import VGG19 
import tensorflow as tf 

vgg19 = VGG19(weights='imagenet', include_top=False) 

vgg19.get_layer('block5_conv1').get_weights()[0][0,0,0,0] 
#result is 0.0028906602, this is actually the pretrained weight 

sess = tf.Session() 

sess.run(tf.global_variables_initializer()) 
#I have to run the initializer here. Otherwise, the next line will give me an error 
sess.run(vgg19.get_layer('block5_conv1').weights[0][0,0,0,0]) 
#The result here is -0.017039195 for me. It seems to be a random number each time. 

Meine Keras Version ist 2.0.6. Mein Tensorflow ist 1.3.0. Vielen Dank!

Answer 1

Die Methode get_weights() bewertet tatsächlich nur die Werte des Tensorflow-Tensors, die durch das Attribut weights gegeben sind. Der Grund, dass ich verschiedene Werte zwischen get_weights() und sess.run(weight) bekam, ist, dass ich auf die Variablen in zwei verschiedenen Sitzungen bezog. Als ich vgg19 = VGG19(weights='imagenet', include_top=False) lief, hat Keras bereits eine Tensorflow-Sitzung erstellt und die Gewichte mit vortrainierten Werten in dieser Sitzung initialisiert. Dann habe ich eine weitere Tensorflow-Sitzung mit dem Namen sess erstellt, indem ich sess = tf.Session() ausgeführt habe. In dieser Sitzung sind die Gewichtungen noch nicht initialisiert. Dann, als ich sess.run(tf.global_variables_initializer()) lief, wurden Zufallszahlen den Gewichten in dieser Sitzung zugewiesen. Der Schlüssel ist also sicherzustellen, dass Sie mit derselben Sitzung arbeiten, wenn Sie Tensorflow und Keras verwenden. Der folgende Code zeigt, dass get_weights() und sess.run(weight) denselben Wert ergeben.

import tensorflow as tf 
from keras import backend as K 
from keras.applications.vgg19 import VGG19 

sess = tf.Session() 
K.set_session(sess) 

vgg19 = VGG19(weights='imagenet', include_top=False) 

vgg19.get_layer('block5_conv1').get_weights()[0][0,0,0,0] 
#result is 0.0028906602, this is actually the pretrained weight 

sess.run(vgg19.get_layer('block5_conv1').weights[0][0,0,0,0]) 
#The result here is also 0.0028906602