Python 如何构造动态分层张量流神经网络？

我正在研究使用tensorflow作为实验AI算法，使用动态神经网络沿着系统缩放（移除和添加）层和层的宽度。这件事怎么办

接下来，如果我想让网络层次化，使它们收敛到两个值（分类器和对其确定程度的估计）。例如，如果存在神经网络无法解释的巨大差异，则可能会给出0,4/1作为分类器，但也会给出一个“确定”值，表明神经网络对估计的“感觉”有多好。与我们人类相比，我们可以掌握一个概念，也可以给我们的自信打分。Thet层次结构我还希望动态地将子网连接在一起，断开连接，并将它们完全从系统中移除

我的主要问题是：这是我应该在tensorflow中做的实验吗

---

我知道这不是一个真正的技术问题。但是我希望如果你觉得这是不可能的，试着把它编辑成一个更客观的问题。

我不知道这在TF中是否有效，如何有效。但是存在特定的“动态”深度学习库，它们可能更适合您的用例。例如PyTorch。

非常感谢您！如果您希望对答案进行接受，请重新发布答案。我有一种感觉，Tensorflow的结构是更线性的移动和转换这个大张量。我想要的是由数百个子网组成的动态链接的分层神经网络。每个子网都试图最好地估计其他节点无法估计的模式。再次感谢大家！我有生物信息学的背景，神经网络看起来非常有趣。