这篇文章主要讲解了使用Keras查看model weights.h5文件内容的实现方法，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。

Keras的模型是用hdf5存储的，如果想要查看模型，keras提供了get_weights的函数可以查看：

for layer in model.layers: weights = layer.get_weights() # list of numpy array

而通过hdf5模块也可以读取：hdf5的数据结构主要是File - Group - Dataset三级，具体操作API可以看官方文档。weights的tensor保存在Dataset的value中，而每一集都会有attrs保存各网络层的属性：

import h6py def print_keras_wegiths(weight_file_path): f = h6py.File(weight_file_path) # 读取weights h6文件返回File类 try: if len(f.attrs.items()): print("{} contains: ".format(weight_file_path)) print("Root attributes:") for key, value in f.attrs.items(): print(" {}: {}".format(key, value)) # 输出储存在File类中的attrs信息，一般是各层的名称 for layer, g in f.items(): # 读取各层的名称以及包含层信息的Group类 print(" {}".format(layer)) print(" Attributes:") for key, value in g.attrs.items(): # 输出储存在Group类中的attrs信息，一般是各层的weights和bias及他们的名称 print(" {}: {}".format(key, value)) print(" Dataset:") for name, d in g.items(): # 读取各层储存具体信息的Dataset类 print(" {}: {}".format(name, d.value.shape)) # 输出储存在Dataset中的层名称和权重，也可以打印dataset的attrs，但是keras中是空的 print(" {}: {}".format(name. d.value)) finally: f.close()

而如果想修改某个值，则需要通过新建File类，然后用create_group, create_dataset函数将信息重新写入，具体操作可以查看这篇文章

补充知识：keras load model 并保存特定层 (pop) 的权重save new_model

有时候我们保存模型（save model）,会保存整个模型输入到输出的权重，如果，我们不想保存后几层的参数，保存成新的模型。

import kerasfrom keras.models import Model, load_modelfrom keras.layers import Input, Densefrom keras.optimizers import RMSpropimport numpy as np

创建原始模型并保存权重

inputs = Input((1,))dense_1 = Dense(10, activation='relu')(inputs)dense_2 = Dense(10, activation='relu')(dense_1)dense_3 = Dense(10, activation='relu')(dense_2)outputs = Dense(10)(dense_3)model = Model(inputs=inputs, outputs=outputs)model.compile(optimizer=RMSprop(), loss='mse')model.save('test.h6')

加载模型并对模型进行调整

loaded_model = load_model('test.h6')loaded_model.layers.pop()loaded_model.layers.pop()

此处去掉了最后两层－－dense_3, dense_2。

创建新的model并加载修改后的模型

new_model = Model(inputs=inputs, outputs=dense_1)new_model.compile(optimizer=RMSprop(), loss='mse')new_model.set_weights(loaded_model.get_weights())new_model.summary()new_model.save('test_complete.h6')

看完上述内容，是不是对使用Keras查看model weights.h5文件内容的实现方法有进一步的了解，如果还想学习更多内容，欢迎关注亿速云行业资讯频道。