使用Keras创建具有多个输入的NN架构

Question

我想创建一个具有以下架构的模型：

          i_1    i_2     i_3 (3 input nodes)
       h1_1 ..... h1_j ...... h1_n ('n' nodes in 1st hidden layer)
     h2_1 ....... h2_j......... h2_m ('m' nodes in 2nd hidden layer)
                  o         (1 output)

更多详情

1. 每个输入节点都有一个常量长度的描述符向量（假设每个描述符向量的长度为10）
2. 我希望第一个隐藏层中的每个节点“连接”到所有3个输入节点（即，对于隐藏节点和输入节点的每个组合存在权重），并且对于第二个隐藏层中的每个节点，连接到第一个隐藏层中的每个节点。
3. NN是前馈

我如何在Keras实现这一目标？

Answer 1

这看起来像一个基本的前馈网络：

model = Sequential()
model.add(Dense(n, input_dim=3))
model.add(Dense(m))
model.add(Dense(1))

您可以为每个图层单独指定activation个参数。