将某些权重指定为在同一层中共享/并列

Question

我正在使用在keras中使用功能性API的神经网络架构，其中我有一个自定义层，其中四个节点向前馈入一个节点，如下图所示。我想将前两个权重设置为不可训练，并且将与输入x1和x2对应的权重的值设置为零（我可以执行此部分），并且我想指定一个自定义约束，使权重与输入x3和x4相关联的是相同（我无法实现约束权重的约束）。

到目前为止，我所做的就是实现答案中建议的自定义层：Specify connections in NN (in keras)

然后我通过指定如下连接来在代码中调用该层：

outputTensor = CustomConnected(units= 1,connections=tf.constant([0.0,0.0,1.0,1.0]),output_dim= 1,use_bias=False,name='custom_layer')(inputTensor)

这样，连接数组中的前两个零将确保这些连接被切断。我在训练之前将其值设置为0，以确保它们保持为0，例如：

model.layers[#].set_weights([np.array([0,0,1,1])])

在训练过程中如何实现使x_3和x_4的权重保持相同的约束？我希望他们学习相同的价值。我尝试将self.kernel变量指定为numpy数组，例如array（0,0，weight，weight），但这没有用。是否有可能在keras或tensorflow中做类似的事情？

如果有帮助，我很乐意发布更多代码。