如何获取Keras模型各层权重并解决get_layer查找LSTM层报错问题

get_layer()方法仅支持传入层的名称字符串或者层的数字索引作为参数，你直接传入了LSTM类对象作为参数，因此无法匹配到已存在的LSTM层实例，触发报错。

提供两种可行方案：

• 方案1：给层指定自定义名称，按名称获取权重
  给每一层添加name参数定义唯一名称，修改模型搭建代码如下：

  # 给第一层LSTM指定名称
  model.add(LSTM(32, input_shape=(n_timesteps,n_features), return_sequences=True, name='lstm_1'))
  # 给第二层LSTM指定名称
  model.add(LSTM(32, return_sequences=True, name='lstm_2'))
  model.add(Dropout(0.1))
  # 给attention层指定名称
  model.add(attention(return_sequences=False, name='att_layer')) 
  model.add(Dense(n_outputs, activation='softmax'))
  

  训练完成后通过名称获取对应层权重：

  # 第一层LSTM权重
  lstm1_weights = model.get_layer('lstm_1').get_weights()[0]
  # 第二层LSTM权重
  lstm2_weights = model.get_layer('lstm_2').get_weights()[0]
  # attention层权重
  att_W = model.get_layer('att_layer').W.numpy()
  att_b = model.get_layer('att_layer').b.numpy()
  

• 方案2：按层的索引顺序直接获取，无需修改层定义
  你的模型层按添加顺序索引从0开始计数，分别为：0=第一层LSTM、1=第二层LSTM、2=Dropout、3=attention层、4=输出Dense层，直接通过索引读取即可：

  # 第一层LSTM权重
  lstm1_weights = model.layers[0].get_weights()[0]
  # 第二层LSTM权重
  lstm2_weights = model.layers[1].get_weights()[0]
  # attention层权重
  att_W = model.layers[3].W.numpy()
  att_b = model.layers[3].b.numpy()
  

你原代码中打印权重的位置在添加第一层LSTM之后、模型训练之前，此时获取的是随机初始化的权重，若需要训练后的权重，请将权重读取代码放在model.fit()执行之后。

内容的提问来源于stack exchange，提问作者apin pipin