Добавление входных узлов на промежуточный слой

Question

Я пытаюсь реализовать двоичный классификатор ConvNet для набора изображений (двумерных массивов). Я понимаю, что первые сверточные слои необходимы для извлечения признаков. У меня, однако, есть дополнительные входные параметры, которые могут помочь в классификации. Идея состоит в добавлении дополнительных узлов к первому полностью связанному слою, чтобы я мог использовать нейронную сеть с прямой связью для возможной классификации. Это возможно в любом случае с API Keras? Я также хотел бы знать, есть ли способ протянуть выход промежуточного слоя через архитектуру последовательной модели. Следующий код определяет модель:

new = Sequential([
      Conv2D(8, [3,3], activation='relu', padding ='same'),
      MaxPool2D([2,2], 2, padding='valid'),
      Conv2D(16, [3,3], activation='relu', padding='same'),
      MaxPool2D([2,2], 2, padding='valid'),
      Flatten(),
      Dense(256),
      Dense(64),
      Dense(1, activation='sigmoid')
    ])