用tensorflow创建一个3输入1输出的深度神经网络

在TensorFlow中，创建一个3输入、1输出的深度神经网络通常涉及到定义一个模型结构，包含多个层，其中每个输入节点连接到若干隐藏层，最终通过全连接层输出单个值。以下是一个简单的示例代码：

import tensorflow as tf

# 定义输入占位符
inputs = [tf.keras.layers.Input(shape=(input_shape_1,), name='input_1'),
          tf.keras.layers.Input(shape=(input_shape_2,), name='input_2'),
          tf.keras.layers.Input(shape=(input_shape_3,), name='input_3')]

# 可能需要调整这些层的数量和大小，取决于实际任务需求
hidden_layers = [
    tf.keras.layers.Dense(units=64, activation='relu', name='hidden_layer_1')(inputs),
    tf.keras.layers.Dense(units=32, activation='relu', name='hidden_layer_2')(hidden_layers[0]),
    # 更多隐藏层...
]

output = tf.keras.layers.Dense(units=1, activation='sigmoid', name='output_layer')(hidden_layers[-1])

# 创建一个Model实例，并指定输入和输出
model = tf.keras.Model(inputs=inputs, outputs=output)

# 编译模型，指定损失函数、优化器和评估指标
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])