我是Tensorflow 2.0 / Keras的新手，但是我仍然对使用Keras自定义API有一定的经验。我有一个关于卷积层的问题。
根据这次讨论https://ai.stackexchange.com/questions/5769/in-a-cnn-does-each-new-filter-have-different-weights-for-each-input-channel-or和我自己的实验，如果我使用Keras卷积层，则每个滤波器的每个通道都有唯一的权重。因此，例如，如果我将一维卷积层应用于第二维上形状为（10，9）的输入张量，并且使用的内核大小为10，则每个内核的权重总数将为90。
问题是，我怎么不那样做？如何为每个通道使用相同的权重应用内核/运算？在我的示例中，总共只有10个权重。
对于上下文，我正在尝试创建一个模型来预测晶体的某些属性。我的输入是一个M x 2N矩阵。晶体有M个原子，对于每个原子，我都收集了N个最近邻居的信息。 （2N个特征）每个原子和邻居都是可互换的，顺序应该无关紧要。因此，我想对每个原子的每个最近邻居应用相同的操作。所以我要的是本质上是2D卷积内核，内核大小为1 x 2，使用步幅（2,1）应用于此矩阵，如果我正确理解的话，应该对每个对象“迭代”最近的邻居（第二维）原子（第一维）。但是，此内核应该对每个操作使用相同的权重（每个内核只需两个权重！），因为我知道每个邻居都是等效的。
有关如何执行此操作的任何提示？我觉得它应该很简单，或者至少可以某种方式？还是我需要为此自定义图层？