如何在 Keras Functional API 中创建具有多个共享层的模型？

Question

我想要一个有 2 个输入的模型，几个具有共享权重的隐藏层，然后是单独的输出层。

我已经看到了这个问题及其接受的答案：Share weights between two dense layers in keras。这正是我想要实现的，只需使用多个共享的密集层。

基本上，他们就是这样做的：
（我对其进行了一些修改，使其具有 2 个独立的输出层）

ip_shape1 = tf.keras.layers.Input(shape=(5,))
ip_shape2 = tf.keras.layers.Input(shape=(5,))

dense = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")

op1 = dense(ip_shape1)
op2 = dense(ip_shape2)

op1 = tf.keras.layers.Dense(1,activation=tf.nn.sigmoid)(op1)
op2 = tf.keras.layers.Dense(1,activation=tf.nn.sigmoid)(op2)

model = tf.keras.models.Model(inputs=[ip_shape1, ip_shape2], outputs=[op1,op2])

我也想这样做，只是使用 2 个共享隐藏层：

ip_shape1 = tf.keras.layers.Input(shape=(5,))
ip_shape2 = tf.keras.layers.Input(shape=(5,))

dense = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones", input_shape=(5,))
dense = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")(dense)

op1 = dense(ip_shape1)
op2 = dense(ip_shape2)

op1 = tf.keras.layers.Dense(1,activation=tf.nn.sigmoid)(op1)
op2 = tf.keras.layers.Dense(1,activation=tf.nn.sigmoid)(op2)

model = tf.keras.models.Model(inputs=[ip_shape1, ip_shape2], outputs=[op1,op2])

但是当我尝试这样做时，我得到一个错误：

TypeError: Inputs to a layer should be tensors. Got: <tensorflow.python.keras.layers.core.Dense object at 0x7f7286dc7c70>

Answer 1

错误出现在下面一行：

dense = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")(dense)

本质上，您使用dense（另一个 Keras 层）调用密集层。相反，tf.keras.layers.Dense 层需要一个张量作为输入。

---

我假设您想组合两个共享的密集层。这可以通过以下方式实现：

dense_1 = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones", input_shape=(5,))
dense_2 = tf.keras.layers.Dense(1, activation="sigmoid", kernel_initializer="ones")

op1 = dense_1(ip_shape1)
op1 = dense_2(op1)

op2 = dense_1(ip_shape2)
op2 = dense_2(op2)

注意：未经测试。