Keras Multiply () - Layer in der funktionalen API

Wie führen Sie unter den neuen API-Änderungen die elementweise Multiplikation von Ebenen in Keras durch? Unter der alten API würde ich so etwas versuchen:

merge([dense_all, dense_att], output_shape=10, mode='mul')

Ich habe folgendes versucht (MWE):

from keras.models import Model
from keras.layers import Input, Dense, Multiply

def sample_model():
        model_in = Input(shape=(10,))
        dense_all = Dense(10,)(model_in)
        dense_att = Dense(10, activation='softmax')(model_in)
        att_mull = Multiply([dense_all, dense_att]) #merge([dense_all, dense_att], output_shape=10, mode='mul')
        model_out = Dense(10, activation="sigmoid")(att_mull)
        return 0

if __== '__main__':
        sample_model()

Vollständige Spur:

Using TensorFlow backend.
Traceback (most recent call last):
  File "testJan17.py", line 13, in <module>
    sample_model()
  File "testJan17.py", line 8, in sample_model
    att_mull = Multiply([dense_all, dense_att]) #merge([dense_all, dense_att], output_shape=10, mode='mul')
TypeError: __init__() takes exactly 1 argument (2 given)

BEARBEITEN:

Ich habe versucht, die elementweise Multiplikationsfunktion von tensorflow zu implementieren. Natürlich ist das Ergebnis keine Layer()-Instanz, daher funktioniert es nicht. Hier ist der Versuch für die Nachwelt:

def new_multiply(inputs): #assume two only - bad practice, but for illustration...
        return tf.multiply(inputs[0], inputs[1])


def sample_model():
        model_in = Input(shape=(10,))
        dense_all = Dense(10,)(model_in)
        dense_att = Dense(10, activation='softmax')(model_in) #which interactions are important?
        new_mult = new_multiply([dense_all, dense_att])
        model_out = Dense(10, activation="sigmoid")(new_mult)
        model = Model(inputs=model_in, outputs=model_out)
        model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])
        return model