《Keras深度学习实战》—2.8 共享层模型
【摘要】 本节书摘来自华章计算机《Keras深度学习实战》一书中的第2章，第2.8.1节，作者是拉蒂普·杜瓦（Rajdeep Dua）[印] 曼普里特·辛格·古特（Manpreet Singh Ghotra） 著 罗 娜 祁佳康 译.
2.8 共享层模型
Keras中可以多层共享一个层的输出。例如输入中可以存在多个不同的特征提取层，或者可以使用多个层来预测特征提取层的输出。
下面进行示例介绍。
2.8.1 共享输入层简介
本节将介绍具有不同大小内核的多个卷积层如何解译同一图像的输入。该模型采用尺寸为32×32×3像素的彩色CIFAR图像。有两个共享此输入的CNN特征提取子模型，其中一个内核大小为4，另一个内核大小为8。这些特征提取子模型的输出被平展为向量、然后串联成为一个长向量，并在最终输出层进行二进制分类之前，将其传递到全连接层以进行解译。
以下为模型拓扑：
一个输入层
两个特征提取层
一个解译层
一个稠密输出层
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）