ぬの部屋(仮)
nu-no-he-ya
  •   12345
    6789101112
    13141516171819
    20212223242526
    27282930   
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    3031     
       1234
    567891011
    12131415161718
    19202122232425
    262728293031 
           
     123456
    78910111213
    14151617181920
    21222324252627
    282930    
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
    31      
       1234
    567891011
    12131415161718
    19202122232425
    2627282930  
           
    1234567
    891011121314
    15161718192021
    22232425262728
    293031    
           
    1234567
    891011121314
    15161718192021
    22232425262728
           
           
        123
    45678910
    11121314151617
    18192021222324
    25262728293031
           
     123456
    78910111213
    14151617181920
    21222324252627
    28293031   
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    30      
       1234
    567891011
    12131415161718
    19202122232425
    262728293031 
           
     123456
    78910111213
    14151617181920
    21222324252627
    282930    
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
    31      
      12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
           
    1234567
    891011121314
    15161718192021
    22232425262728
    2930     
           
        123
    45678910
    11121314151617
    18192021222324
    25262728293031
           
      12345
    6789101112
    13141516171819
    20212223242526
    27282930   
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    3031     
         12
    3456789
    10111213141516
    17181920212223
    242526272829 
           
      12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    3031     
        123
    45678910
    11121314151617
    18192021222324
    252627282930 
           
     123456
    78910111213
    14151617181920
    21222324252627
    28293031   
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    30      
       1234
    567891011
    12131415161718
    19202122232425
    262728293031 
           
    1234567
    891011121314
    15161718192021
    22232425262728
    293031    
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
           
      12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
           
    1234567
    891011121314
    15161718192021
    22232425262728
    2930     
           
        123
    45678910
    11121314151617
    18192021222324
    25262728293031
           
        123
    45678910
    11121314151617
    18192021222324
    25262728   
           
     123456
    78910111213
    14151617181920
    21222324252627
    28293031   
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
    31      
       1234
    567891011
    12131415161718
    19202122232425
    2627282930  
           
    1234567
    15161718192021
    293031    
           
         12
    3456789
    10111213141516
           
      12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    3031     
        123
    45678910
    11121314151617
    18192021222324
    252627282930 
           
     123456
    78910111213
    14151617181920
    21222324252627
    28293031   
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    30      
       1234
    567891011
    12131415161718
    19202122232425
    262728293031 
           
    1234567
    891011121314
    15161718192021
    22232425262728
    293031    
           
        123
    45678910
    11121314151617
    18192021222324
    25262728293031
           
      12345
    6789101112
    13141516171819
    20212223242526
    27282930   
           
        123
    45678910
    11121314151617
    18192021222324
    252627282930 
           
     123456
    78910111213
    14151617181920
    21222324252627
    28293031   
           
       1234
    567891011
    12131415161718
    19202122232425
    2627282930  
           
    1234567
    891011121314
    15161718192021
    22232425262728
    293031    
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
           
      12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
           
      12345
    6789101112
    13141516171819
    20212223242526
    2728     
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    3031     
     123456
    78910111213
    14151617181920
    21222324252627
    282930    
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
    31      
    1234567
    891011121314
    15161718192021
    22232425262728
    293031    
           
        123
    45678910
    11121314151617
    18192021222324
    252627282930 
           
     123456
    78910111213
    14151617181920
    21222324252627
    28293031   
           
     123456
    78910111213
    14151617181920
    21222324252627
    28293031   
           
       1234
    567891011
    12131415161718
    19202122232425
    262728293031 
           
     123456
    78910111213
    14151617181920
    21222324252627
    282930    
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
    31      
      12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
           
    1234567
    891011121314
    15161718192021
    22232425262728
    2930     
           
        123
    45678910
    11121314151617
    18192021222324
    25262728293031
           
      12345
    6789101112
    13141516171819
    20212223242526
    27282930   
           
          1
    2345678
    9101112131415
    16171819202122
    23242526272829
    3031     
          1
    2345678
    9101112131415
    16171819202122
    232425262728 
           
       1234
    567891011
    12131415161718
    19202122232425
    262728293031 
           
    1234567
    891011121314
    15161718192021
    22232425262728
    293031    
           
         12
    3456789
    10111213141516
    17181920212223
    24252627282930
           
      12345
    6789101112
    13141516171819
    20212223242526
    2728293031  
           
    1234567
    891011121314
    15161718192021
    22232425262728
    2930     
           
        123
    45678910
    11121314151617
    18192021222324
    25262728293031
           
  • Tensorflow 2のKerasで重みの取得と設定(2)

    Kerasでget_weights , set_weights。もうちょっと複雑なモデルで動作確認する。

    プログラム

    import tensorflow as tf
    import numpy as np
    
    
    # Define the model.
    model = tf.keras.models.Sequential([
        tf.keras.layers.Input(shape=(1,)),
        tf.keras.layers.Dense(3, activation='linear'),
        tf.keras.layers.Dense(2, activation='linear'),
        tf.keras.layers.Dense(1, activation='linear')
    ])
    
    print("----------------")
    
    
    # レイヤー0の重み取得
    L0w = model.layers[0].get_weights()
    L1w = model.layers[1].get_weights()
    L2w = model.layers[2].get_weights()
    # 取得時の重みを表示
    print("default weight 0", L0w )
    print("default weight 1", L1w )
    print("default weight 2", L2w )
    
    
    # 重みを書き換え
    L0w[0][0][0] = 1.0
    L0w[0][0][1] = 2.0
    L0w[0][0][2] = 3.0
    
    L1w[0][0][0] = 4.0
    L1w[0][0][1] = 5.0
    L1w[0][1][0] = 6.0
    L1w[0][1][1] = 7.0
    L1w[0][2][0] = 8.0
    L1w[0][2][1] = 9.0
    
    L2w[0][0][0] = 10.0
    L2w[0][1][0] = 11.0
    print("----------------")
    
    # 重みをモデルにセット
    model.layers[0].set_weights(L0w)
    model.layers[1].set_weights(L1w)
    model.layers[2].set_weights(L2w)
    
    # モデルの重みが更新されていることを確認
    print("edited  weight 0", model.layers[0].get_weights() )
    print("edited  weight 1", model.layers[1].get_weights() )
    print("edited  weight 2", model.layers[2].get_weights() )
    
    print("----------------")
    print( " 0番 output の値" )
    for n in range(0,5):
    	predict_y = model.predict( np.array( [[n]] ) )
    	print( n , predict_y[0][0] )
    
    —————-
    default weight 0 [array([[ 0.8050083 , -0.3852656 , -0.80590665]], dtype=float32), array([0., 0., 0.], dtype=float32)]
    default weight 1 [array([[ 0.6107633 , 0.51594055],
    [-0.7214887 , -0.10213959],
    [-0.45495993, 0.23035955]], dtype=float32), array([0., 0.], dtype=float32)]
    default weight 2 [array([[0.20898771],
    [0.69574296]], dtype=float32), array([0.], dtype=float32)]
    —————-
    edited weight 0 [array([[1., 2., 3.]], dtype=float32), array([0., 0., 0.], dtype=float32)]
    edited weight 1 [array([[4., 5.],
    [6., 7.],
    [8., 9.]], dtype=float32), array([0., 0.], dtype=float32)]
    edited weight 2 [array([[10.],
    [11.]], dtype=float32), array([0.], dtype=float32)]
    —————-
    0番 output の値
    0 0.0
    1 906.0
    2 1812.0
    3 2718.0
    4 3624.0

    この時のモデル

    model.layers[].get_weights()はレイヤーごと、ノードごとに重みを取ってくる。ノードとノードを繋ぐ線をエッジというが、重みはいわばエッジが持っているので、「現在のノード」→「次のノード」のペアで対象の重みの位置を表せる。

    [0][そのレイヤーのノード番号][次のレイヤーのノード番号]

    重みの書き換え

    以下のように重みを書き換えてみる。

    # 重みを書き換え
    L0w[0][0][0] = 1.0
    L0w[0][0][1] = 2.0
    L0w[0][0][2] = 3.0
    
    L1w[0][0][0] = 0.0
    L1w[0][0][1] = 1.0
    L1w[0][1][0] = 0.0
    L1w[0][1][1] = 0.0
    L1w[0][2][0] = 0.0
    L1w[0][2][1] = 1.0
    
    L2w[0][0][0] = 3.0
    L2w[0][1][0] = 4.0
    

    結果、重みは以下のように設定されている。

    バイアスは今回は0ということにして、伝達関数はLinearにしているので、入力値はノードに入ったら重みを掛けられてそのまま次のノードへ行く。重みが0だと0になるので以下のような足し算になり、結果値が16倍される関数になる。

    結果(最終出力のみ)

    0番 output の値
    0 0.0
    1 16.0
    2 32.0
    3 48.
    4 64.0