我正在尝试训练this研究论文建议的模型，其中将卷积层的一半滤波器设置为Gabor滤波器，其余为随机权重，这些权重默认情况下已初始化。通常，如果必须将图层设置为不可训练，则将trainable属性设置为False。但是在这里，我只需要冻结一层过滤器的一半，而我不知道该怎么做。任何帮助将非常感激。我正在将Keras与Tensorflow后端一起使用。
答案 0 :(得分：3)
如何使两个卷积层获得相同的输入和（几乎）相同的参数？因此，其中一个是在初始化时可训练的随机权重，而另一层是无法使用gabor滤波器训练的。
然后您可以将两层的输出合并在一起，看起来就像是一个卷积网络的输出。
这是一个演示示例（您需要使用Keras functional API）：
{{1}}