如何在TensorFlow中同时将一层并行传入两层答案

【问题标题】：how to pass a layer into two layers in parallel at the same time in TensorFlow如何在TensorFlow中同时将一层并行传入两层
【发布时间】：2021-01-28 20:19:54
【问题描述】：

我在 Keras 中实现了一个神经网络，但由于某些原因，我需要在 TensorFlow 中实现该网络。我的问题是我需要将h1 并行传递到两层。我进行了很多搜索以同时将一层传递到两层，但我找不到正确的方法。 Keras 代码如下：

  x = keras.layers.Input(shape=(input_dim))
  hp_units1 = hp.Int('units', min_value=1, max_value=15, step=1)
  h1 = keras.layers.Dense(hp_units1, activation = 'sigmoid', name='dense_1')(x)
  t = keras.layers.Dense(1, activation='sigmoid', name='time_prediction')(h1)
  decoded = keras.layers.Dense(input_dim, activation='linear', name='decoded_mean')(h1)

因此，我需要同时将h1 传递给t 和decoded。

【问题讨论】：

你在使用 tf1 和 keras 吗？还是tf2？因为在 tf2 中你可以使用与 keras 完全相同的代码。
我使用 tf2.您能否解释一下如何在 tf2 中使用相同的 keras 代码？谢谢。
请检查答案以了解如何做到这一点。

标签： python tensorflow keras deep-learning neural-network

【解决方案1】：

只需从 tensorflow 2 导入 keras。在 tensorflow 2 中可以使用相同的语法 -

from tensorflow import keras

x = keras.layers.Input(shape=(input_dim))
hp_units1 = hp.Int('units', min_value=1, max_value=15, step=1)
h1 = keras.layers.Dense(hp_units1, activation = 'sigmoid', name='dense_1')(x)
t = keras.layers.Dense(1, activation='sigmoid', name='time_prediction')(h1)
decoded = keras.layers.Dense(input_dim, activation='linear', name='decoded_mean')(h1)

【讨论】：