Python 概率分层回归的混合线性模型

我对使用tensorflow概率和keras的变分推理能力拟合线性混合模型感兴趣。然而，我无法就如何实施这种分析找到一个直接的答案。使用TF概率中的回归示例（参见），我能够掌握如果模型中只有随机变量，如何拟合这些模型（示例是使用单个特征的回归）。在radon示例之后，我们有两个功能：楼层（固定）和县（随机）。我的理解是后者应该只传递到密度变化层，而前者可以传递到规则的密度层。所以我想我必须联合训练两个网络，一个用于固定，一个用于随机特征，还有一些如何合并它们的输出

因此，我的问题是： （1） 如果这些是联合拟合的，那么相同的损失函数是否可以应用于两者？我经常看到使用均方误差，而在VI中使用负对数似然（我认为这相当于最大化下限证据）。 （2） 输入是否需要先拆分，然后作为输入馈送到两个网络