Tensorflow 如何将一层中的单个神经元与另一层中的单个神经元连接起来

我是Tensorflow的新手。我想将一个层与另一个层连接起来，在这个层中，只有相应的神经元通过权重相互连接，如下所示。这意味着前一层的所有神经元都没有连接到下一层的神经元

现在我用wixi得到了4个神经元。此外，我需要添加所有这些输出以获得单个值。现在我想把这个值传递给一个大小为4的密集层，以便自动编码器操作完成。 我已经为wixi操作创建了自定义层，我正确地得到了它，但当我在添加后应用普通致密层时，我得到了以下错误：

''' ValueError:layer Density_15的输入0与layer:：expected min_ndim=2不兼容，found ndim=1。收到完整形状：[100] ''' 下面是我自定义图层和模型的代码-

类层（tf.keras.layers.Layer）：

类别MyModel（模型）：

model=MyModel（）

输出=型号（车型系列数据1）

---

my_train_data1的大小为（100,4）

您可以通过从

tf.keras.layers.layer

中进行子类化来创建自己的层。 中介绍了如何创建自定义图层 和

我为你创建了图层

import tensorflow as tf

class DirectLayer(tf.keras.layers.Layer):
    
  def __init__(self):
    super(DirectLayer, self).__init__()

  def build(self, input_shape):
    self.w = self.add_weight(
            shape=input_shape,
            initializer="random_normal",
            trainable=True,
        )
    self.b = self.add_weight(
        shape=(input_shape[-1],), initializer="random_normal", trainable=True
    )


  def call(self, inputs):
      # outputs shape 
      return tf.multiply(inputs, self.w) + self.b


layer1 = DirectLayer()
layer2 = DirectLayer()


x = tf.ones([16,2])
y = layer1(x)
y = layer2(y)

tf.print(y.shape)

它输出

TensorShape（[16，2]）

，这意味着它保持了输入的维度，我相信这就是您想要的。注意，我使用了

tf.multiply

（multiply elementwise）而不是密集层所做的-

tf.matmul

（矩阵乘法）

def __init__(self, **kwargs):
  super(MyModel, self).__init__(**kwargs)
  self.layer_1 = Layer_w_x()
  self.dense = Dense(4,activation = 'sigmoid')
 
  
def call(self, inputs):
  # CALCULATION FOR FIRST NEURON
  h1 = self.layer_1(inputs)
  h4 = tf.reduce_sum(h1,1)
  encoded = self.dense(h4)

  return encoded

import tensorflow as tf

class DirectLayer(tf.keras.layers.Layer):
    
  def __init__(self):
    super(DirectLayer, self).__init__()

  def build(self, input_shape):
    self.w = self.add_weight(
            shape=input_shape,
            initializer="random_normal",
            trainable=True,
        )
    self.b = self.add_weight(
        shape=(input_shape[-1],), initializer="random_normal", trainable=True
    )


  def call(self, inputs):
      # outputs shape 
      return tf.multiply(inputs, self.w) + self.b


layer1 = DirectLayer()
layer2 = DirectLayer()


x = tf.ones([16,2])
y = layer1(x)
y = layer2(y)

tf.print(y.shape)