调用set_weights为Conv2D层设权重时遇ValueError问题求助

错误根源 #

你创建的第一个Conv2D层设置了use_bias=False，这意味着该层仅包含卷积核这1个可训练参数；但你从原模型获取的w是包含卷积核+偏置的长度为2的列表，还额外嵌套了一层列表，导致权重数量与层的参数需求不匹配，触发报错。

修正步骤 #

1. 修复第一个Conv2D层的权重设置

把原代码中设置权重的部分：

w = model.layers[0].get_weights()
encoder.layers[0].set_weights([w])

替换为以下两种方式之一：

方式一：先添加层再设置权重

w = model.layers[0].get_weights()
# 只取原层的卷积核权重（忽略偏置）
encoder.layers[0].set_weights([w[0]])

方式二：添加层时直接指定权重（更简洁）

encoder.add(layers.Conv2D(64, (3, 3), activation='relu', padding='same', use_bias=False, 
                          input_shape=(SIZE, SIZE, 3), 
                          weights=[model.layers[0].get_weights()[0]]))

2. 验证其他Conv2D层的权重匹配

你后面的Conv2D层直接使用weights=model.layers[2].get_weights()，需要确保：

• 原模型的model.layers[2]和新创建的Conv2D层的参数数量一致（比如都带偏置，或都不带偏置）。如果原层无偏置，新层也要添加use_bias=False。

修正后的完整代码 #

encoder = Sequential()
encoder.add(layers.Conv2D(64, (3, 3), activation='relu', padding='same', use_bias=False, 
                          input_shape=(SIZE, SIZE, 3), 
                          weights=[model.layers[0].get_weights()[0]]))
encoder.add(layers.MaxPooling2D((2, 2), padding='same'))
encoder.add(layers.Conv2D(32, (3, 3), activation='relu', padding='same', 
                          weights=model.layers[2].get_weights()))
encoder.add(layers.MaxPooling2D((2, 2), padding='same'))
encoder.add(layers.Conv2D(16, (3, 3), activation='relu', padding='same', 
                          weights=model.layers[4].get_weights()))
encoder.add(layers.MaxPooling2D((2, 2), padding='same'))
encoder.summary()

关键注意事项 #

• 调用set_weights或使用weights参数时，传入的列表长度必须与层的参数数量完全匹配：
  • 带偏置的Conv2D：需传入[卷积核数组, 偏置数组]（长度2的列表）
  • 无偏置的Conv2D：需传入[卷积核数组]（长度1的列表）
• 禁止额外嵌套列表，比如set_weights([w])会把整个权重列表当作单个参数传入，导致形状不匹配。

内容的提问来源于stack exchange，提问作者John