Keras 如何使用自定义输入训练网关？

我正试图使用keras创建一个基于Bengio等人论文的混合支持向量机

我训练了两个svm分类器，其输出为svm1、svm2。我在下面编写了一个伪代码

def mlp_model(svm1,svm2):
    model = Sequential()
    model.add(Dense(128, input_dim=54))
    model.add(Activation('relu'))
    model.add(Merge([model, svm1, svm2], output_shape=(2,), mode=merge_mode))
    model.add(Activation('softmax'))
    model.compile(loss='mean_squared_error', optimizer='adam',  metrics=['accuracy'])
    return model

def merge_mode(branches):
    g, svm1, svm2 = branches
    return K.transpose(K.transpose(svm1) * g[:, 0] + K.transpose(svm2) * g[:, 1])

我的问题

• 如何向模型中添加自定义输入。（在本例中，是来自svm专家的y_hats）