擅长:python、mysql、java
<p>如果我正确地理解了这个问题,你可以在另一个模型中重用层甚至模型。在</p>
<p>以致密层为例。假设你有10个输入</p>
<pre><code>import tensorflow as tf
from tensorflow.keras.layers import Input, Dense
from tensorflow.keras.models import Model
# defining 10 inputs in a List with (X,) shape
inputs = [Input(shape = (X,),name='input_{}'.format(k)) for k in
range(10)]
# defining a common Dense layer
D = Dense(64, name='one_layer_to_rule_them_all')
nets = [D(inp) for inp in inputs]
model = Model(inputs = inputs, outputs = nets)
model.compile(optimizer='adam', loss='categorical_crossentropy')
</code></pre>
<p>如果输入具有不同的形状,此代码将无法工作。对D的第一次调用定义了它的属性。在本例中,输出直接设置为网络。但当然,你可以连接,堆叠,或任何你想要的。在</p>
<p>现在,如果你有一些可训练的模型,你可以用它来代替D:</p>
^{pr2}$
<p>该模型的权重在所有输入之间共享。在</p>