我想创建一个具有以下架构的模型：

          i_1    i_2     i_3 (3个输入节点)       h1_1 ..... h1_j ...... h1_n (第一隐藏层有'n'个节点)     h2_1 ....... h2_j......... h2_m (第二隐藏层有'm'个节点)                  o         (1个输出)

进一步的细节

1. 每个输入节点都有一个固定长度的描述符向量（假设每个描述符向量的长度为10）
2. 我希望第一隐藏层的每个节点都“连接”到所有3个输入节点（即对于每个隐藏节点和输入节点的组合都存在一个权重），并且第二隐藏层的每个节点都连接到第一隐藏层的每个节点。
3. 神经网络是前馈的

如何在Keras中实现这一点？

回答：

这看起来像是一个基本的前馈网络：

model = Sequential()model.add(Dense(n, input_dim=3))model.add(Dense(m))model.add(Dense(1))

您可以为每一层独立指定activation参数。