如何轻松修改TensorFlow神经网络中某一层的神经元数量？

哈哈，我懂你这种想直接改个属性就搞定的心情，但TensorFlow的模型层一旦构建好，可不是这么随意就能改的哦！你直接改h.layers[2].units = 16没用，是因为层的参数张量在初始化时就已经固定了，单纯改个属性值根本动不了已经生成的权重结构。下面给你两种实用的方法，帮你轻松搞定这件事：

方法一：重新构建模型（最稳妥可控） #

既然原模型的结构不能直接改，那咱们就照着原模型的样子，复制一份，只把目标层的神经元数量改掉就行。如果原模型已经训练过，还能把其他层的预训练权重直接复用，节省训练时间：

import tensorflow as tf
from tensorflow.keras.models import Model
from tensorflow.keras.layers import Dense, Input

# 先拿到原模型的输入层
input_layer = h.input

# 逐层重新定义，只修改dense_1的神经元数
x = Dense(64, activation=h.layers[1].activation, weights=h.layers[1].get_weights())(input_layer)
# 把原来的32改成16，如果想复用原层的部分权重，可以截取前16列的权重
original_dense1_weights = h.layers[2].get_weights()
new_dense1_weights = [original_dense1_weights[0][:, :16], original_dense1_weights[1][:16]]
x = Dense(16, activation=h.layers[2].activation, weights=new_dense1_weights)(x)
# 后面的层直接复用原权重
x = Dense(64, activation=h.layers[3].activation, weights=h.layers[3].get_weights())(x)
output_layer = Dense(784, activation=h.layers[4].activation, weights=h.layers[4].get_weights())(x)

# 构建新模型
new_h = Model(input_layer, output_layer)
new_h.summary()

方法二：用clone_model批量修改层配置 #

如果你的模型比较复杂，不想手动逐层写，TensorFlow提供了clone_model函数，可以配合自定义的修改函数，批量修改指定层的配置：

def modify_target_layer(layer):
    # 先获取原层的配置信息
    layer_config = layer.get_config()
    # 判断是否是要修改的dense_1层
    if layer.name == "dense_1":
        layer_config["units"] = 16
        # 创建新层并调整权重（处理形状不匹配的问题）
        new_layer = type(layer).from_config(layer_config)
        orig_weights = layer.get_weights()
        # 截取原权重的前16个神经元对应的部分
        adjusted_weights = [orig_weights[0][:, :16], orig_weights[1][:16]]
        new_layer.set_weights(adjusted_weights)
        return new_layer
    else:
        # 其他层直接复用原配置和权重
        new_layer = type(layer).from_config(layer_config)
        new_layer.set_weights(layer.get_weights())
        return new_layer

# 克隆模型并应用修改
new_h = tf.keras.models.clone_model(h, clone_function=modify_target_layer)
new_h.summary()

重要提醒 #

如果你的模型已经训练过，修改神经元数量后一定要注意权重的适配：比如原来的dense_1层权重是(64,32)的形状，改成16个神经元后需要变成(64,16)，上面的示例里我们截取了原权重的前16列，你也可以选择随机初始化新的权重部分，根据你的需求来就行。

备注：内容来源于stack exchange，提问作者ThomasIsCoding