Python 3.x 来自两个输入源的自定义Tensorflow层

我正在尝试从两个“输入源”构建一个定制的TensorFlow层，这应该可以做到

exp（源A）+cos（源B）

然而，我甚至不知道如何设置编写这样一个自定义层

注意：我真的很想了解/了解这是如何工作的，这样一个解决方案将是次优的…

这是一种可能性

class custom_layer(tf.keras.layers.Layer):

    def __init__(self):
        super(custom_layer, self).__init__()
        pass

    def call(self, inputs):

        input1, input2 = inputs
        return tf.exp(input1) + tf.cos(input2)

inp1 = Input((10,))
inp2 = Input((10,))
x = custom_layer()([inp1,inp2])
x = Dense(1)(x)
model = Model([inp1,inp2],x)
model.compile('adam','mse')
model.summary()

X1 = np.random.uniform(0,1, (100,10))
X2 = np.random.uniform(0,1, (100,10))
y = np.random.uniform(0,1, 100)

model.fit([X1,X2],y, epochs=3)

---

也许这是一个近乎幼稚的问题：这与拥有一个具有两个特性的单一数据源有什么不同？我想让一个输入源每第二层跳过一次……因此，这种方法比改变输出张量的形状更自然，也更有效：）