在卷积神经网络中，如何在Keras函数模型中使用Maxout？

Question

我理解如何将maxout添加到这样的顺序模型中

import tensorflow_addons as tfa

model = Sequential()
model.add(Conv2D(256, (3, 3), input_shape=X.shape[1:]))
model.add(tfa.layers.Maxout(256))
model.add(MaxPooling2D(pool_size=(2, 2)))

但如何将maxout添加到Keras函数模型中？这是我的尝试，我不确定是否正确

def define_model():
    img_input = keras.Input(shape=(24, 24, 3), name="img")
    layer_1 = layers.Conv2D(96, 9)(img_input) #96 filters of size 9 x 9
    layer1_maxout = tfa.layers.Maxout(layer_1,2) 

    layer1_output = layers.Dense(16)(layer1_maxout)

    model = keras.Model(inputs=img_input, outputs=layer1_output, name="mnist_model")

    model.summary()

这是将maxout添加到功能模型的正确方法吗