我正在尝试构建一个输出 2 个标签的 CNN，其中每个标签有 12 种可能性；输入是一个图像。
换句话说，我想要的输出是 A（12 个选项中的一个）和 B（12 个不同选项中的一个）。
单独使用每个标签，首选当然是 softmax，但我找不到是否可以做这样的“多个 softmax”标签。
显然，我可以使用 sigmoid 输出输出 24 个神经元，然后手动归一化，但是网络不会本质上耦合每组中的 12 个选项。
我正在编写我想要的伪伪代码，如果它存在的话：
model = Sequential()
model.add(Convolution2D(64, kernel_size=3,activation='relu', input_shape=image_shape))
model.add(Flatten())
model.add(Dense(256,activation='relu'))
# pseudo-pseudo-code
model.add(Dense((12,12),activation=('softmax','softmax'))) # <- here is where I would have liked 2 softmax outputs with 12 neurons in each
欢迎任何解决方案（我正在使用 Keras，但会很高兴使用任何其他包的解决方案，甚至自己编写代码）。
编辑：我还可以生成代表所有组合的 144 个输出，但我不确定这是否是一个好的解决方案 - 对此的任何评论也非常受欢迎