使用Keras Embedding处理时间特征时，如何获取其权重矩阵？

嗨，我来帮你搞定这个报错的问题～

你遇到的get_weights() missing 1 required positional argument: 'self'错误，根源在于你没有正确保存Embedding层的实例对象，而是把层的调用结果（一个张量）赋值给了hours_embedding。get_weights()是层实例的方法，不是张量的方法，自然会报错啦。

正确的代码写法 #

首先，我们需要把Embedding层的实例和它的调用操作分开：

from keras.layers import Embedding, Input

# 定义输入张量
hours_input = Input(shape=(1,), name='hours_input')
# 先创建Embedding层的实例，单独保存这个层对象
hours_embedding_layer = Embedding(24, 64)
# 再用这个层实例处理输入张量，得到嵌入后的输出张量
hours_embedding = hours_embedding_layer(hours_input)

获取权重矩阵 #

现在你直接调用层实例的get_weights()方法就能拿到权重了：

# 获取权重，返回的是一个列表，第一个元素就是Embedding的权重矩阵
weights = hours_embedding_layer.get_weights()
embedding_matrix = weights[0]
# 这个矩阵的形状是(24, 64)，对应你设置的输入维度24和嵌入维度64

补充说明 #

如果你的层还没有被初始化（比如没构建完整模型、没训练过），可以手动调用build()方法来初始化权重：

# 根据输入形状初始化层的权重
hours_embedding_layer.build((None, 1))
# 之后再获取权重就没问题了
weights = hours_embedding_layer.get_weights()

内容的提问来源于stack exchange，提问作者azin