Shared Layers

释义 Definition

Shared layers（共享层）：指在神经网络或软件架构中，同一组网络层（及其参数/权重）被多个分支、多个任务或多个输入共同使用，以共享特征表示、减少参数量并提升泛化能力。（在深度学习中最常见；在其他技术语境中也可泛指“可复用的公共层/公共模块”。）

发音 Pronunciation (IPA)

/ʃɛrd ˈleɪərz/

例句 Examples

The two tasks use shared layers to learn common features.
这两个任务使用共享层来学习共同特征。

In a multi-task model, shared layers capture general patterns, while task-specific heads focus on each objective.
在多任务模型中，共享层负责捕捉通用模式，而任务专用的输出头则分别聚焦各自目标。

词源 Etymology

shared 来自动词 share（分享、共用），源于古英语 scearu（分配、份额）相关词根；layer 来自 lay（放置、铺设），表示“层次/层”。组合成 shared layers，字面即“被共同使用的层”，在机器学习语境中通常特指“共享参数的网络层”。

相关词 Related Words

• Parameter Sharing
• Shared Weights
• Multi-Task Learning
• Backbone
• Feature Extractor
• Siamese Network
• Encoder
• Task-Specific Head
• Transfer Learning
• Neural Network

文献与作品 Literary / Notable Works

• Ian Goodfellow, Yoshua Bengio & Aaron Courville，《Deep Learning》（2016）：在多任务学习、表示学习等章节中讨论共享表示/共享参数的思想（与“shared layers”概念高度相关）。
• Jacob Devlin et al., “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding”（2018）：BERT 作为共享的编码层（可视作共享层/共享骨干），在下游任务上接不同任务头。
• Ashish Vaswani et al., “Attention Is All You Need”（2017）：Transformer 的编码器/解码器堆叠层在架构复用与共享表征方面常被用来说明“共享层”式的设计思路（尤其在多任务或多输入变体中）。