基于MATLAB的深度神经网络：获取最后隐藏层与输出层权重问题

核心逻辑说明 #

MATLAB神经网络的net.LW是一个细胞数组，索引规则为net.LW{i,j}，表示从第j层连接到第i层的权重矩阵。直接调用net.LW会返回所有层间权重的集合，你之前得到的是隐藏层之间的权重，是因为没指定正确的索引对。

具体操作步骤 #

• 先获取网络总层数：

  total_layers = numel(net.layers);
  

• 输出层是网络的最后一层（索引为total_layers），最后一个隐藏层是倒数第二层（索引为total_layers - 1），因此获取对应权重的命令为：

  last_hidden_to_output_weights = net.LW{total_layers, total_layers - 1};
  

• 若不确定各层类型（比如确认哪层是输出层），可以遍历查看每层属性：

  for k = 1:total_layers
      fprintf('Layer %d: %s\n', k, net.layers(k).type);
  end
  

示例验证 #

假设你的网络结构是「输入层 → 隐藏层1 → 隐藏层2 → 输出层」，总层数为4，那么net.LW{4,3}就是隐藏层2到输出层的权重，而net.LW{3,2}是隐藏层1到隐藏层2的权重，这就是你之前误获取的内容。

内容的提问来源于stack exchange，提问作者Rai