我想制作一个网络，特别是用于图像识别的 CNN，它接受一个输入，以相同的方式处理多个层，然后在某些时候分裂，然后得到两个不同的输出。是否可以创建这样的网络？它看起来像这样：
Input -> Conv -> Pool -> Conv -> Pool ---------> Dense -> Output 1
||
----> Dense -> Output 2
IE 它在第二个池化层之后分裂成单独的全连接层。当然，它必须对两个输出都进行训练，以便使用这些公共卷积层在两个单独的输出上产生最小的错误。另外，我正在使用 Python Keras，如果有某种方法可以以某种方式使用 Keras 来做到这一点，那将会有所帮助。谢谢！
Keras 函数式 API 可以帮助您定义复杂的模型。
您可以在此处找到文档： https ://keras.io/getting-started/functional-api-guide/ 。
例如：
# prev_layer is the layer you want to be forked
fork1 = Dense(32, activation='relu')(prev_layer)
fork2 = Dense(32, activation='relu')(prev_layer)
# you do some operations on fork1 to get output1
# and on fork2 to get output2
model = Model(inputs=input_layer, outputs=[output1, output2])