TensorFlow：根据特征条件变换张量

Question

非常感谢您阅读我的问题。我对 TensorFlow 很陌生，很抱歉，如果我的问题完全没有意义，我有这个回归问题：

A = Input(shape=(8))
A0 = A[:,0:4]
A1 = A[:,4:8]
A0 = layers.Dense(12)(A0)
A1 = layers.Dense(12)(A1)
Z = layers.Concatenate()([A0,A1])
Z = layers.Dense(1)(Z)
model = Model(inputs=A, outputs=Z)

其中输入有两组特征，观察 A0 && A1 即来自两个独立设备的[温度、湿度、紫外线、污染物]。

1. 如果我知道这两个集合之间存在相互依赖关系，并且我想根据 Dense()(A1) 的输出来转换 A0喜欢----> A0 取决于 [A1 ?!@?#-> 中找到的功能A0]
2. 并且我还希望最后一层 Z 仅取决于 A0

我应该使用什么样的方法？这样的事情有意义吗？或 Tf.Cond 或 if 条件？

A0 = layers.Dense(12)(A0)
A1 = layers.Dense(12)(A1)
Z = layers.Concatenate()([A0,A1])
Z = layers.Dense(12)(Z)
Z = A0 + Z
Z = layers.Dense(1)(Z)

我正在寻找看起来更好看和优雅的东西，或者您可以指出一条路径，例如我可以查看的一些相关研究吗？

我认为我的主要问题是我什至不知道该看什么，因为它不完全是 if 条件/tf.case 问题

非常感谢您的时间

非常感谢