我正在训练一个有两个神经网络的模型。其中之一是 resnet18 CNN，它具有输入图像。另一个是一个小的隐藏层网络，它有四个其他变量作为输入。

此时，我将这些网络的输出连接到第一个（也是唯一的）全连接层中，然后在分类层中将数据点分为三类。

我想知道如何设计我的网络，使两个不同的神经网络对分类产生特定的影响。例如，我希望 CNN 在最终分类中具有 60% 的“说”/影响，而其他 NN 具有 40% 的“说”/影响。

在当前的结构中，我找不到一种直观的方法来解决这个问题。我能想象的唯一方法是分离网络，然后对两个网络的损失进行加权。有没有人知道在不分离网络的情况下实现这一目标的另一种方法？