根据预定义的初始值设定项，Keras卷积层的内核进行了相同的初始化？

Question

在Keras中是否可以创建卷积层（Conv2D），以便根据初始化程序（例如he_normal，glorot_uniform等）对内核进行初始化，但是创建为每个内核都相同？

换句话说，我想使用kernel_initializer='he_normal'初始化一个内核，然后复制并使用该初始化的权重矩阵在该层中初始化所有其他内核。

以半伪代码方式，这（在概念上类似于）我在寻找什么：

n_filters = 64

x = Conv2D(1, 3,... kernel_initializer='he_normal')

he_normal_kernel = *the kernel weight matrix that was just created*  #copy kernel weight matrix 
he_normal_kernels = he_normal_kernel * n_filters #make n_filters copies of that matrix

x = Conv2D(n_filters, 3,... kernel_initializer=he_normal_kernels) # use those as the initialization of our convolutional layer

只要它按预期工作，我对实现该目标的完全公正。

我们在这里的时候，有什么内在的理论上的原因说明为什么这可能是个坏主意吗？

谢谢！