如何固定Conv2D初始核、查看核张量及种子设置疑问？

一、让Conv2D每次初始化用相同核集合 #

方法1：复用带固定种子的初始化器实例 #

不要在循环内重复创建初始化器，把初始化器定义在循环外，确保每次创建Conv2D时使用同一个初始化器对象，避免TensorFlow全局随机状态干扰：

import tensorflow as tf
from tensorflow.keras.layers import Conv2D
import matplotlib.pyplot as plt

# 初始化器定义在循环外，固定种子
fixed_init = tf.keras.initializers.RandomNormal(seed=42)

kernel_values = []
for _ in range(100):
    conv = Conv2D(filters=1, kernel_size=(1,1), kernel_initializer=fixed_init)
    # 传入dummy输入触发层初始化
    conv(tf.random.normal((1,1,1,1)))
    # 提取核的数值
    kernel_val = conv.get_weights()[0].flatten()[0]
    kernel_values.append(kernel_val)

plt.plot(kernel_values)
plt.show()

方法2：用固定张量作为核（最稳妥） #

提前生成固定的核张量，用Constant初始化器，确保每次初始化完全一致：

import tensorflow as tf
from tensorflow.keras.layers import Conv2D
import matplotlib.pyplot as plt

# 生成固定的1x1核张量
fixed_kernel = tf.random.normal((1,1,1,1), seed=42)
fixed_init = tf.keras.initializers.Constant(fixed_kernel)

kernel_values = []
for _ in range(100):
    conv = Conv2D(filters=1, kernel_size=(1,1), kernel_initializer=fixed_init)
    conv(tf.random.normal((1,1,1,1)))
    kernel_val = conv.get_weights()[0].flatten()[0]
    kernel_values.append(kernel_val)

plt.plot(kernel_values)
plt.show()

问题原因解释 #

你之前的代码每次循环都新建RandomNormal(seed=42)，虽然种子相同，但TensorFlow的全局随机状态会在每次初始化后更新，导致生成的随机数不同。复用初始化器或用固定张量就能避免这个问题。

二、查看Conv2D的核张量 #

Keras层是延迟初始化的，必须先传入输入触发权重创建，之后通过以下方式获取核：

1. 通过kernel属性直接获取：

conv = Conv2D(filters=3, kernel_size=(3,3), input_shape=(28,28,1))
# 传入dummy输入初始化权重
conv(tf.random.normal((1,28,28,1)))

# 获取核张量的numpy数值
print("核形状:", conv.kernel.shape)
print("核数值:\n", conv.kernel.numpy())

2. 通过get_weights()方法获取：

weights = conv.get_weights()
# weights[0]是核张量，weights[1]是偏置（如果启用的话）
kernel = weights[0]
print("核数值:\n", kernel)

内容的提问来源于stack exchange，提问作者user385323