如果有2个keras模型共享层，在设置trainable=False后编译哪个模型？

如果有两个Keras模型共享层，在设置trainable=False后，应该在编译第一个模型之后再编译第二个模型。

在Keras中，当我们设置trainable=False时，表示该层的权重将不会被更新，即该层的参数不会被训练。如果两个模型共享了同一个层，我们需要确保在编译模型之前，先编译使用该共享层的第一个模型。

编译模型的过程中，通常会指定优化器、损失函数和评估指标等。因此，我们需要先编译第一个模型，确保共享层的trainable属性已经设置为False，然后再编译第二个模型。

以下是一个示例代码：

from tensorflow.keras.models import Model
from tensorflow.keras.layers import Input, Dense

# 共享层
shared_layer = Dense(64, activation='relu')

# 第一个模型
input1 = Input(shape=(10,))
output1 = shared_layer(input1)
model1 = Model(inputs=input1, outputs=output1)
model1.compile(optimizer='adam', loss='mse')

# 第二个模型
input2 = Input(shape=(10,))
output2 = shared_layer(input2)
model2 = Model(inputs=input2, outputs=output2)
model2.compile(optimizer='adam', loss='mse')

在上述代码中，我们首先定义了一个共享层shared_layer，然后分别创建了两个模型model1和model2，它们共享了同一个shared_layer。在编译模型时，我们先编译model1，再编译model2，确保共享层的trainable属性已经设置为False。

这里推荐的腾讯云相关产品是腾讯云AI智能机器学习平台（https://cloud.tencent.com/product/tiia）和腾讯云云服务器CVM（https://cloud.tencent.com/product/cvm），它们提供了强大的计算和存储资源，适用于训练和部署深度学习模型。