我正在尝试使用Keras的函数式API实现一个神经网络，该网络在多个层中使用相同的权重。代码是可以运行的，但我不能确定我创建的“共享层”是否达到了我想要的效果。示例中的两个隐藏层是否使用了相同的权重，还是我创建了两个不同实例的层，仅有结构相同？如果不是这样，有没有办法实现我想要的效果？

# create shared_layerinputs = Input(shape=(784,))outputs = layers.Dense(784, activation='relu')(inputs)shared_layer = Model(inputs=inputs, outputs=outputs)# create modelvisible = Input(shape=(28, 28, 1))flat = layers.Flatten()(visible)hidden = shared_layer(flat)hidden2 = shared_layer(hidden)output = layers.Dense(10, activation='softmax')(hidden2)new_model = Model(inputs=visible, outputs=output)

当我查看模型的摘要时，我得到了以下内容：

Layer (type)                    Output Shape         Param #     Connected to                     ==================================================================================================input_4 (InputLayer)            (None, 28, 28, 1)    0                                            __________________________________________________________________________________________________flatten_2 (Flatten)             (None, 784)          0           input_4[0][0]                    __________________________________________________________________________________________________model_3 (Model)                 (None, 784)          615440      flatten_2[0][0]                                                                                   model_3[1][0]                    __________________________________________________________________________________________________dense_4 (Dense)                 (None, 10)           7850        model_3[2][0]                    ==================================================================================================

回答：

它是共享的，但你做了一些不必要的事情。

你可以这样做：

shared_layer = layers.Dense(784, activation='relu')visible = Input(shape=(28, 28, 1))flat = layers.Flatten()(visible)hidden = shared_layer(flat)hidden2 = shared_layer(hidden)output = layers.Dense(10, activation='softmax')(hidden2)new_model = Model(inputs=visible, outputs=output)