如何在Keras Functional API中创建具有多个共享层的模型

Question

我想要一个有两个输入的模型，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公认的答案：在keras中的两个密集层之间共享权重。这正是我想要实现的，只需要使用多个共享的密集层。

基本上，这就是他们所做的：
(我对其进行了一点修改，使其具有两个独立的输出层(

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])

我也想做同样的事情，只是有两个共享的隐藏层：

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])

但当我尝试这样做时，我得到了一个错误：

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

Answer 1

错误发生在以下行：

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

本质上，您使用dense(另一个Keras层(来调用密集层。相反，层tf.keras.layers.Dense期望张量作为输入。

---

我认为您想要组成两个共享的密集层。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：未测试。