Keras：在具有不同名称的图层之间共享权重

Question

Keras的标准配方：

# This layer can take as input a matrix
# and will return a vector of size 64
shared_lstm = LSTM(64)

# When we reuse the same layer instance
# multiple times, the weights of the layer
# are also being reused
# (it is effectively *the same* layer)
encoded_a = shared_lstm(tweet_a)
encoded_b = shared_lstm(tweet_b)

为我们提供了一个共享的层，即采用不同的张量作为输入和输出，但在它们上均等地工作。层名称将类似于“ lstm_1”。

有没有办法创建两个具有不同名称的不同（卷积）层，但共享其内核权重和偏差权重？

更新

让我澄清一下目的。我有一个带有特征图金字塔的对象检测模型（单发检测器）。这些功能图像这样相互叠置：

det_ctx1 (32x32, Conv+ReLU+MaxPool) -> det_ctx2 (16x16, Conv+ReLU+MaxPool) -> ...

检测预测在技术上被实现为卷积层，这些卷积层从这些特征图产生偏移量和类置信度：

det_ctx1 -> det_ctx1_conf
         -> det_ctx1_loc

   |
   \/
det_ctx2 -> det_ctx2_conf
         -> det_ctx2_loc

   |
   \/
det_ctx3 -> det_ctx3_conf
         -> det_ctx3_loc

det_ctx1_conf和det_ctx2_conf在语义上是相同的，我想利用权重共享来更好地训练那些图层（在正常情况下，训练样本被分配给某些金字塔等级，因此某些等级训练样本太少）。