打一个「；“非完全连接”；keras中的（单连通？）神经网络

我不知道我要找的东西的名字，但我想在keras中创建一个层，每个输入乘以它自己的独立权重和偏差。例如，如果有10个输入，将有10个权重和10个偏差，每个输入将乘以其权重并与其偏差相加，得到10个输出

例如，这里有一个简单的密集网络：

from keras.layers import Input, Dense
from keras.models import Model
N = 10
input = Input((N,))
output = Dense(N)(input)
model = Model(input, output)
model.summary()

如您所见，此模型有110个参数，因为它是完全连接的：

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_2 (InputLayer)         (None, 10)                0         
_________________________________________________________________
dense_2 (Dense)              (None, 10)                110       
=================================================================
Total params: 110
Trainable params: 110
Non-trainable params: 0
_________________________________________________________________

我想用类似于

output=SinglyConnected（）（input）

的东西替换

output=densite（N）（input）

，这样模型现在有20个参数：10个权重和10个偏差。

创建一个自定义层：

类单连接（层）：
#创造者
定义初始（自我，**kwargs）：
超级（单连接、自连接）。\uuuuu初始化（**kwargs）
#创建权重
def构建（自我，输入_形状）：
权重形状=（1，）*（len（输入形状）-1）
权重形状=权重形状+（输入形状[-1]）#（…，输入）
self.kernel=self.add_weight（name='kernel'，
形状=重量+形状，
初始值设定项class='uniform'，
可培训=真实）
self.bias=self.add_weight（name='bias'，
形状=重量+形状，
初始值设定项='零'，
可培训=真实）
自建=真实
#操作：
def呼叫（自我，输入）：
返回（输入*self.kernel）+self.bias
#输出形状
def计算输出形状（自身、输入形状）：
返回输入形状
#用于保存模型-仅在_init中有参数时才需要__
def get_配置（自身）：
config=super（SingleConnected，self）.get_config（）
返回配置

使用图层：

model.add(SingleConnected())

---

如何使自定义层支持稀疏输入？如果常规

Dense

层支持稀疏输入，我认为这也将支持稀疏输入。