Can I share weights between keras layers but have other parameters differ?
以上问题的答案就两个conv层之间的权重共享提供了深刻的见解。在conv2和conv2'之间共享权重来实现它时，由于conv2并不直接连接到数据，因此我难以确定input (shape: 32,32,3)的输入形状。
例如，在具有以下结构的模型中：
conv1-> [0][0]（连接到输入(None,32,32,32)，根据模型摘要输出形状conv2）-> conv1 [29][0]（连接到{{ 1}}，输出形状为(None,30,30,32)）
conv1 = layers.Conv2D(32, 3, activation='relu', padding='same', input_shape=(32,32,3))
conv2 = layers.Conv2D(32, 3, activation='relu',name = 'conv2')
我正在尝试创建conv1'并与conv1共享权重的conv2'。我知道conv2的输入形状为conv1，但是conv2的输入形状是什么？ （我尝试过(32,32,3)，因为(32,32,32)和conv2的权重不同而无法使用）
是否可以在不指定输入形状的情况下进行操作？还...为什么将conv2'连接到conv2？