如何获取并修改TensorFlow.js Sequential神经网络模型的权重

嘿，我来帮你解决这个问题！在TensorFlow.js里获取和调整模型权重其实非常直观，可能你之前没留意到对应的API方法。结合你构建的三层Dense模型，我给你一步步拆解操作：

一、获取模型权重 #

TensorFlow.js的模型提供了两种主要方式来获取权重：

1. 通过模型层直接获取 #

每个Dense层都包含两个可直接访问的权重变量：核（kernel）和偏置（bias）。对应你的模型结构：

• 输入层（第0层）：this.model.layers[0].kernel（核，形状[7,16]）、this.model.layers[0].bias（偏置，形状[16]）
• 隐藏层（第1层）：this.model.layers[1].kernel（核，形状[16,16]）、this.model.layers[1].bias（偏置，形状[16]）
• 隐藏层2（第2层）：this.model.layers[2].kernel（核，形状[16,3]）、this.model.layers[2].bias（偏置，形状[3]）

如果想查看权重的具体数值，可以用.data()方法获取张量数据：

// 用async/await获取并打印第一层核的数值
const kernelData = await this.model.layers[0].kernel.data();
console.log("第一层核权重数值：", kernelData);

2. 一次性获取所有权重的张量数组 #

使用model.getWeights()方法可以直接得到所有权重的张量数组，顺序和层的权重顺序完全对应：

const allWeights = this.model.getWeights();
// allWeights[0] = 第一层核，allWeights[1] = 第一层偏置
// allWeights[2] = 第二层核，allWeights[3] = 第二层偏置
// allWeights[4] = 第三层核，allWeights[5] = 第三层偏置

二、修改模型权重 #

修改权重的核心是使用tf.Variable.assign()方法，将新的张量赋值给目标权重变量，注意新张量的形状必须和原权重完全一致。

1. 单独修改某一层的权重 #

比如修改第二层的偏置权重：

// 生成和第二层偏置形状匹配的新权重（这里用全1张量举例）
const newSecondBias = tf.ones([16]);
// 获取第二层的偏置变量
const secondLayerBias = this.model.layers[1].bias;
// 赋值更新权重
secondLayerBias.assign(newSecondBias);

2. 一次性修改所有权重 #

如果你有整套的新权重参数，可以用model.setWeights()方法，传入和getWeights()返回顺序、形状一致的张量数组：

// 先获取原有权重数组，替换需要修改的部分
const updatedWeights = [...this.model.getWeights()];
// 替换第三层的核权重为自定义张量（这里用随机均匀分布生成）
updatedWeights[4] = tf.randomUniform([16, 3], 0, 1);
// 一次性更新所有权重
this.model.setWeights(updatedWeights);

注意事项 #

• 记得管理TensorFlow.js的内存，建议用tf.tidy()包裹权重修改操作，避免内存泄漏：

tf.tidy(() => {
  const newKernel = tf.randomNormal([7, 16]);
  this.model.layers[0].kernel.assign(newKernel);
});

• 新权重的形状必须严格匹配原权重，否则会抛出错误。可以用.shape属性查看原权重的形状：console.log(this.model.layers[0].kernel.shape)

内容的提问来源于stack exchange，提问作者ramazan793