@YOUMA 我知道了，你应该 @我的。我是刚好回来看这个帖子。

它是做了简化的操作，只接受 2D 的输入。会轻便很多。

其中，自定义的一对一连接的自定义层，是基于 keras 源代码中卷积的部分编写的，采用的设计理念是参照了“Alotaibi2017A”论文中的描述，实现了一对一连接的自定义层。

在自定义层的设计部分，将原来 keras 自带的卷积代码中删除了冗余的部分，只支持 2D 数据，然后对 input_dim （数据维度）输入进行切片并进行卷积。

一对一连接，即每个 feature map 与上一层中的 feature map 之间的连接方式都是一对一，这种做法的优势在于通过减少参数的数量，达到大大的降低了计算成本，加快训练的速度的目的。同时，相比于数百万个参数的其他深层模型，我们所拥有的数据集体量相对较小，无法训练所有参数，否则可能会出现 over-fitting （即过度装配）的问题。

在后续的实验中，我们可以清晰地看出模型能够快速且有效的收敛，恰恰是因为由于使用了一对一连接的方式，需要训练的参数数量较小（当然，这个一对一连接不包括全连接层）。