在Keras中，我们可以使用Lambda层来保存连接层的值。下面是一个示例代码，演示了如何保存连接层的值：

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

# 定义输入层
input_layer = Input(shape=(10,))

# 定义连接层
connection_layer = Dense(5)(input_layer)

# 定义保存连接层值的Lambda层
save_layer = Lambda(lambda x: x, name='save_layer')(connection_layer)

# 定义输出层
output_layer = Dense(1)(save_layer)

# 创建模型
model = Model(inputs=input_layer, outputs=output_layer)

# 输出模型的摘要信息
model.summary()

在上面的示例中，我们使用Lambda层来保存连接层的值。Lambda层是一个可以自定义函数的层，它可以接受一个函数作为参数，并将其应用于输入数据。在这个示例中，我们使用lambda函数来保存连接层的值。

要访问保存的连接层的值，可以使用model.get_layer('save_layer').output来获取输出的值。例如：

# 获取保存的连接层的值
saved_value = model.get_layer('save_layer').output

这样，你就可以使用saved_value来进一步处理连接层的值。