本文介绍了如何在两个角膜层之间分配重量?的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
如何在两个Keras层之间共享重量，例如 out1 和 out2 ?
How can I share weight between two Keras layers, e.g. out1 and out2?
inp1 = tf.keras.Input(shape=(100, 200, 3))
inp2 = tf.keras.Input(shape=(400, 800, 3))
out1 = tf.keras.layers.Conv2D(32, 3, strides=(2,2), padding='same', activation='relu', name='1')(inp1)
out2 = tf.keras.layers.Conv2D(32, 3, strides=(2,2), padding='same', activation='relu', name='2')(inp2)
推荐答案
如果要在 inp1 和 inp2 张量上应用相同的卷积层，则只需要首先创建图层，然后在 inp1 和 inp2 上调用它:
If you want to apply the same convolution layer on inp1 and inp2 tensors, then you just need to first create the layer and then call it on inp1 and inp2:
shared_conv = tf.keras.layers.Conv2D(32, 3, strides=(2,2), padding='same', activation='relu')
out1 = shared_conv(inp1)
out2 = shared_conv(inp2)
请参阅Keras文档中的共享层部分以了解更多信息.
See shared layers section in Keras documentation for more information.
这篇关于如何在两个角膜层之间分配重量?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！