Neural network TensorFlow中的暹罗神经网络

我试图在TensorFlow中实现一个连体神经网络，但我在互联网上找不到任何有效的例子（请参阅）

我试图构建的体系结构将由两个共享权重的LSTM组成，并且仅在网络的末端连接

我的问题是：如何构建两个不同的神经网络，在TensorFlow中共享它们的权重（绑定权重），以及如何在最后连接它们

谢谢：）

编辑：我在MNIST上实现了一个简单而有效的暹罗网络示例。

使用

tf.layers更新

如果您使用

tf.layers

模块构建网络，只需对暹罗网络的第二部分使用参数

reuse=True

：

x=tf.ones（（1,3））
y1=tf.layers.density（x，4，name='h1'）
y2=tf.layers.dense（x，4，name='h1'，reuse=True）
#y1和y2将计算为相同的值
sess=tf.Session（）
sess.run（tf.global\u variables\u initializer（））
打印（sess.run（y1））
打印（sess.run（y2））#两次打印将返回相同的值

---

带有

tf.get\u变量的旧答案
您可以尝试使用函数
tf.get\u variable（）
。（见附件）

使用具有
重用=False的变量作用域实现第一个网络：

with tf.variable_scope('Inference', reuse=False):
    weights_1 = tf.get_variable('weights', shape=[1, 1],
                              initializer=...)
    output_1 = weights_1 * input_1

然后使用相同的代码实现第二个，除了使用
reuse=True

with tf.variable_scope('Inference', reuse=True):
    weights_2 = tf.get_variable('weights')
    output_2 = weights_2 * input_2

第一个实现将创建并初始化LSTM的每个变量，而第二个实现将使用
tf.get_variable（）
来获取第一个网络中使用的相同变量。这样，变量将共享

然后你只需要使用你想要的任何损失（例如，你可以使用两个暹罗网络之间的L2距离），梯度将通过两个网络反向传播，用梯度的和更新共享变量
你也可以定义所有变量，如
权重=tf.Variable（…）
，然后在每次推理中使用这些变量，
output_1=weights*input_1
和
output_2=weights*input_2
。与共享变量一样，这里的变量
权重
将接收两个渐变和两个渐变更新。我怀疑，是否有必要使用tf.get_variable（）？我们可以直接使用tf.conv2d（）而不使用tf.get_variable（）创建变量吗？@kunal18:我添加了一个带有
tf.layers
的示例，感谢您的更新！请看我的问题：