具有复杂功能和标签的tensorflow CNN？

我最近发现了一篇论文，他们使用CNN和复杂的2D特征图作为输入。然而，该网络也输出一个复杂的输出向量。他们使用Keras和tensorflow后端

以下是链接：

我问自己是否有可能用tensorflow构建复杂的深层神经网络，比如CNN。据我所知，这是不可能的。我错过什么了吗

还有其他相关问题解决了同样的问题，但没有答案：

当构建一个真实的无意义模型时，输入实数并输出所有正确的结果：

import tensorflow as tf
from numpy import random, empty

n = 10 
feature_vec_real = random.rand(1,n)
X_real = tf.placeholder(tf.float64,feature_vec_real.shape)

def model(x):    
    out = tf.layers.dense(
            inputs=x,
            units=2
            )    
    return out

model_output = model(X_real)

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

output = sess.run(model_output,feed_dict={X_real:feature_vec_real}) 

但在使用复杂输入时：

import tensorflow as tf
from numpy import random, empty

n = 10 
feature_vec_complex = empty(shape=(1,n),dtype=complex)
feature_vec_complex.real = random.rand(1,n)
feature_vec_complex.imag = random.rand(1,n)

X_complex = tf.placeholder(tf.complex128,feature_vec_complex.shape)

def complex_model(x):

    out = tf.layers.dense(
            inputs=x,
            units=2
            )    
    return out

model_output = complex_model(X_complex)

sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)

output = sess.run(model_output,feed_dict={X_complex:feature_vec_complex})

我得到以下错误： ValueError:需要的变量稠密_7/内核的初始值设定项

那么，当有复杂的输入时，初始化密集内核权重的正确方法是什么呢

我知道有可能将复数作为网络中的两个不同层来处理。但这不是我想要的

---

谢谢你的帮助

@user9290285另一篇帖子终于有了答案，仅供参考：