我得到了一个有几个非平凡层的非平凡模型，我想做以下事情：我创建一个随机向量值v，其长度等于模型的参数数量。现在我想以直观的方式将向量v添加到模型参数中，即v的每个分量都添加到模型的单个参数中。然后将该总和设置为新的权重。所以基本上我需要的是所有的模型参数作为一个Nx1向量，将v添加到该Nx1向量，然后将该Nx1向量放回模型中。
目前我做的事情类似（未经测试）：

N = model.count_params()
    b = GenerateVectorV(N)
    weights_per_layer = model.get_weights()
    
    idx = 0
    for i in range(0, len(weights_per_layer)):
        sec = b[idx:idx+weights_per_layer[i].size]
        idx += weights_per_layer[i].size
        weights_per_layer[i] = weights_per_layer[i] + np.reshape(sec, weights_per_layer[i].shape)

然后我可以用改变的权重来更新模型。这感觉太像C代码了，我相信有更简单的方法。