权重形状是指什么，怎么查看

权重形状指的是神经网络中各层的权重张量的维度。例如，对于一个卷积层，它的权重张量的维度通常为 (kernel_size, kernel_size, input_channel, output_channel)，其中 kernel_size 是卷积核的大小，input_channel 是输入通道数，output_channel 是输出通道数。对于一个全连接层，它的权重张量的维度通常为 (input_size, output_size)，其中 input_size 是输入特征维度，output_size 是输出特征维度。

你可以通过模型中各层的 `get_weights()` 方法来查看权重形状。例如，对于一个卷积层，你可以使用以下代码来查看它的权重形状：

conv_layer = model.layers[0]  # 假设模型的第一层是卷积层
weights = conv_layer.get_weights()[0]  # 获取卷积层的权重张量
print(weights.shape)  # 输出权重张量的维度

对于一个全连接层，你可以使用以下代码来查看它的权重形状：

dense_layer = model.layers[-1]  # 假设模型的最后一层是全连接层
weights = dense_layer.get_weights()[0]  # 获取全连接层的权重张量
print(weights.shape)  # 输出权重张量的维度