在 Keras 中，LSTM 对决策进行采样（通过 softmax 分类器）

Question

我正在构建一个 NAS（神经架构搜索）算法，我需要制作一个 LSTM，通过做出决定（通过 softmax 分类器）来对架构特征进行采样（以构建 CNN）在每一步，这里都有一个方案来说明这一点：

所以在这里，它首先会无输入，然后它会在可能架构的不同选择（如 Conv 或 Maxpool 层等）中进行采样，然后选择 conv 3x3 层，然后它将 conv 3x3 选择作为输入，以在它正在构建的“块”的可能索引中提供下一步和样本（你真的不需要知道细节)，假设它只需要在某个整数中进行选择，因此它选择 1，然后将 1 送入下一步，依此类推... >

简而言之，我只需要构建一个 LSTM 示例，该示例通过 softmax 分类器进行采样（将前一个决策作为每个采样步骤的输入）。

这是我开始做的：

inputs = keras.Input(shape=(8, 900)) # I gave a "random" shape for the input but it should be initialized with zeros
output = layers.LSTM(100, return_sequences=True, return_state=True, kernel_initializer=initializer)(inputs)

然后，我如何为每个步骤指定softmax 分类器，以及如何将每个步骤的输出作为输入发送到下一步？