上面的代码是对应的操作，这里我除了最后一层，其他层我都加载了权重，记住，by_name 必须赋值为True 这样才能够按照名称对应赋值权重。

不同的层可能使用不同的关键字来传递初始化方法，一般来说指定初始化方法的关键字是kernel_initializer 和 bias_initializer

补充知识：对于keras.layers.Conv1D的kernel_size参数的理解

keras.layers.Dense()是定义网络层的基本方法，执行的操作是：output = activation（dot（input，kernel）+ bias。

x: 张量或变量。 min_value: Python 浮点或整数。 max_value: Python 浮点或整数。

今天在用keras添加卷积层的时候，发现了kernel_size这个参数不知怎么理解，keras中文文档是这样描述的：

activation: 通常为’relu’，如果不指定任何值，则不应用任何激活函数，通常应该向网络中每个卷积层添加一个Relu激活函数

keras默认提供了如何获取某一个层的某一个节点的输出，但是没有提供如何获取某一个层的输出的接口，所以有时候我们需要获取某一个层的输出，则需要自己编写代码，但是鉴于keras高层封装的特性，编写起来实际上很简单，本文提供两...

keras是一个十分便捷的开发框架，为了更好的追踪网络训练过程中的损失函数loss和准确率accuracy，我们有几种处理方式，第一种是直接通过 history=model.fit()，来返回一个history对象，通过这个对象可以访问到训练过程训练集的...

补充知识：限制tensorflow的运行内存 （keras.backend.tensorflow）