关于Keras中get_weights()未返回预期权重的技术问询

首先得明确：神经网络的权重是模型共享的参数，和你的样本数量（150行）完全无关，你混淆了「模型权重」和「样本预测输出」这两个概念。

咱们结合你的代码来拆解：

• 你构建的是一个极简网络：输入是3维特征，经过1个仅含1个神经元的Dense层（激活函数tanh）。这个Dense层的参数结构是固定的：
  • 3个输入到1个神经元的连接权重（对应get_weights()返回的第一个3×1数组）
  • 1个神经元的偏置项（对应返回的第二个1×1数组）
• 这组权重是整个模型共用的——不管你喂进去1个样本还是150个样本，模型都会用这同一套权重来计算每个样本的输出。

你想要的「150个对应每一行数据的结果」，其实是模型的预测输出，也就是你代码里的ypredi3——它的形状应该是(150, 1)，对应150个样本各自的预测值，而不是模型的权重。

举个直白的类比：就像你用同一个公式y = w1*x1 + w2*x2 + w3*x3 + b计算150组(x1,x2,x3)的y值，公式里的w1/w2/w3/b是固定的参数（对应模型权重），而150个y值就是你的预测结果，两者完全不是一回事。

所以你当前get_weights()返回的结果是完全正确的，完全符合这个简单模型的参数数量。

内容的提问来源于stack exchange，提问作者jake_t