我正在尝试在 Keras 中实现共享层。我确实看到 Keras 有keras.layers.concatenate，但我不确定文档中关于它的使用。我可以用它来创建多个共享层吗？使用 Keras 实现如下所示的简单共享神经网络的最佳方法是什么？
请注意，所有 3 个 NN 的输入、输出和共享层的所有形状都是相同的。三个 NN 中有多个共享层（和非共享层）。彩色层对于每个 NN 都是唯一的，并且具有相同的形状。
基本上，该图表示具有多个共享隐藏层的 3 个相同的 NN，然后是多个非共享隐藏层。
我不确定如何像 Twitter 示例中那样共享多个层，只有一个共享层（API 文档中的示例）。
通过使用功能 API，您可以轻松地在网络的不同部分之间共享权重。在您的情况下，我们有一个Input 这是我们的输入，然后我们将有一个Dense名为 shared 的层。然后我们将有三个不同的Dense层，称为 sub1、sub2 和 sub3，然后是三个输出层，称为 out1、out2 和 out3。
x = Input(shape=(n, ))
shared = Dense(32)(x)
sub1 = Dense(16)(shared)
sub2 = Dense(16)(shared)
sub3 = Dense(16)(shared)
out1 = Dense(1)(sub1)
out2 = Dense(1)(sub2)
out3 = Dense(1)(sub3)
我们现在可以像这样定义我们的模型：
model = Model(inputs=x, outputs=[out1, out2, out3])
它现在需要一个包含三个元素的元组/列表，每个输出一个。
您可以通过这些概念走得更远。假设我们想学习个人层的各个权重，但仍然希望对输出层的线性组合具有相同的权重，我们可以通过这样做来实现：
out = Dense(1)
out1 = out(sub1)
out2 = out(sub2)
out3 = out(sub3)
编辑：连接基本上与您想要做的相反，它将网络不同部分的（中间）输出粘贴到新层中。你实际上想分成多个不同的部分。