python之Keras function api，手动设置权重到层

在keras Sequential模型中，可以直接使用set_weights方法设置权重。

model.layers[n].set_weights([your_wight]) 

但是，如果我尝试使用函数式 API 为层设置权重，我将面临问题。

这是代码片段:

emb = Embedding(max_words, embedding_dim, input_length=maxlen)(merge_ip) 
         #skipping some lines 
         . 
         . 
emb.set_weights([some_weight_matrix]) 

这是抛出的错误

AttributeError: 'Tensor' object has no attribute 'set_weights' 

我认为这是因为 emb 是一个 Tensor 对象。

我想知道如何在我的模型中正确设置 wight

请您参考如下方法:

如果你想在嵌入层上设置权重，你可以像这样将它们添加到构造函数中:

from keras.layers import Embedding 
 
embedding_layer = Embedding(len(word_index) + 1, 
                            EMBEDDING_DIM, 
                            weights=[embedding_matrix], 
                            input_length=MAX_SEQUENCE_LENGTH, 
                            trainable=False) 

https://blog.keras.io/using-pre-trained-word-embeddings-in-a-keras-model.html

稍后你可以交出merge_ip:

x = embedding_layer(merge_ip)