Багатозавдання навчання в Керасі

Я намагаюся реалізувати спільні шари в Керасі. Я бачу, що у Кераса є keras.layers.concatenate, але я не впевнений у документації про його використання. Чи можу я використовувати його для створення декількох загальних шарів? Який був би найкращий спосіб реалізувати просту спільну нейронну мережу, як показано нижче, використовуючи Keras?

Зауважте, що всі форми вхідного, вихідного та загального шарів для всіх 3 NN однакові. У трьох NN є декілька спільних шарів (і нерозподілених шарів). Кольорові шари унікальні для кожного NN і мають однакову форму.

В основному, фігура являє собою 3 однакових NN з безліччю спільних прихованих шарів, за якими слідують декілька прихованих шарів, що не поділяються спільно.

Я не впевнений, як ділитися декількома шарами, як у прикладі Twitter, був лише один загальний шар (наприклад, в API doc).

Input $x$DenseDense

x = Input(shape=(n, ))
shared = Dense(32)(x)
sub1 = Dense(16)(shared)
sub2 = Dense(16)(shared)
sub3 = Dense(16)(shared)
out1 = Dense(1)(sub1)
out2 = Dense(1)(sub2)
out3 = Dense(1)(sub3)

Зараз ми можемо визначити нашу модель так:

model = Model(inputs=x, outputs=[out1, out2, out3])

Зараз очікується кортеж / список трьох елементів, по одному на кожен вихід.

Ви можете піти набагато далі з цими поняттями. Скажімо, ми хотіли б вивчити індивідуальні ваги для особи шарів, але все ж хочемо мати однакові ваги для лінійної комбінації у напрямку вихідного шару, ми могли б досягти цього, зробивши це:

out = Dense(1)
out1 = out(sub1)
out2 = out(sub2)
out3 = out(sub3)

EDIT: Об’єднання в основному є протилежним тому, що ви хочете зробити, це вставлення (проміжні) виведення різних частин вашої мережі в новий рівень. Ви насправді хочете розділитись на кілька різних частин.