如何用TensorFlow Keras实现基于第一输入计算第二输入层的神经网络？

根据你的需求，第二个输入的所有特征都由第一个输入的特征计算得到，不需要额外传入第二个输入层，而是在网络内部完成特征计算后再接入隐藏层。下面提供两种实现方式：

方式一：用Lambda层实现简单计算 #

如果你的特征计算逻辑是简单的数学运算（比如求和、乘积、平方等），直接用Lambda层封装计算逻辑即可：

import tensorflow as tf
from tensorflow.keras.layers import Input, Dense, Lambda
from tensorflow.keras.models import Model

# 定义第一个输入层（对应示例中的A、B、C特征）
input_first = Input(shape=(3,), name="First_Input")

# 通过Lambda层计算第二个输入的所有特征（G、M、N、O）
# 这里示例计算逻辑：G=A+B+C，M=A*B，N=B-C，O=A²
computed_features = Lambda(lambda x: tf.concat([
    tf.reduce_sum(x, axis=1, keepdims=True),  # 计算G：A+B+C
    tf.multiply(x[:, 0:1], x[:, 1:2]),        # 计算M：A*B
    tf.subtract(x[:, 1:2], x[:, 2:3]),        # 计算N：B-C
    tf.square(x[:, 0:1])                      # 计算O：A²
], axis=1), name="Computed_Second_Input")(input_first)

# 连接隐藏层与输出层
hidden = Dense(64, activation="relu")(computed_features)
output = Dense(1, activation="linear")(hidden)

# 构建并查看模型
model = Model(inputs=input_first, outputs=output)
model.summary()

方式二：自定义层实现复杂计算 #

如果你的特征计算逻辑比较复杂（比如涉及多步条件判断、自定义函数等），推荐使用自定义Layer类来封装计算逻辑：

import tensorflow as tf
from tensorflow.keras.layers import Input, Dense, Layer
from tensorflow.keras.models import Model

class ComputedFeatureLayer(Layer):
    def __init__(self):
        super(ComputedFeatureLayer, self).__init__()

    def call(self, inputs):
        # 拆分第一个输入的特征A、B、C
        A = inputs[:, 0:1]
        B = inputs[:, 1:2]
        C = inputs[:, 2:3]
        
        # 计算第二个输入的各个特征
        G = A + B + C
        M = A * B
        N = B - C
        O = tf.pow(A, 2)
        
        # 拼接所有计算后的特征并返回
        return tf.concat([G, M, N, O], axis=1)

# 构建网络
input_first = Input(shape=(3,), name="First_Input")
computed_features = ComputedFeatureLayer()(input_first)
hidden = Dense(64, activation="relu")(computed_features)
output = Dense(1, activation="linear")(hidden)

model = Model(inputs=input_first, outputs=output)
model.summary()

注意点 #

你提供的原始代码是将两个独立输入层拼接，这和需求不符——因为需求中第二个输入不需要手动传入，而是由第一个输入计算生成，所以不需要定义第二个Input层，直接通过计算得到特征后接入后续网络即可。

内容的提问来源于stack exchange，提问作者Nana Kofi Boakye