Image 在Keras中，如何将序列模型预先设置为预训练模型？

我想在像nasnet_mobile这样的预训练模型前面放置一个4层密集网络。我尝试过几种不同的方法，但它们都会让人头疼（又称错误）。在keras+tensorflow2中，什么方法可以做到这一点

想法：

• 是否有一些“标志”，我必须将稠密的输出指定为整数或图片
• 在预训练模型中是否有一些“标志”我必须允许它连接
• 我是否需要手动制作一个预训练的克隆，加载预训练的权重，然后尝试上面的一个；也许预先训练的人和被创造的人是不同的阶级？（更新）如果我正在复制，是否有一种简单的方法来确保我获得相同的结构，以便在设置_权重（get_weights（…）时不会出错

• 以上都不是

代码：

#LIBRARIES
import numpy as np
from tensorflow import keras
from tensorflow.keras.models import Sequential, Model
from tensorflow.keras.layers import Dense, Reshape, Conv2D, MaxPool2D , Flatten, Input


my_input_shape = (224,224,3)

#DENSE MODEL
my_inputs = Input(shape=my_input_shape)

hidden_1 = Dense(units=8, activation='relu')(my_inputs)


#make the output layer
hidden_2= Dense(units=np.product(my_input_shape), 
                           activation='sigmoid')(hidden_1)

transformed = keras.layers.Reshape(my_input_shape,)(hidden_2)  

dense_model = Model(inputs=my_inputs, outputs=transformed)

#PRETRAINED MODEL
pretrained_model = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
                                                            include_top = False,
                                                            input_shape=my_input_shape)

#Option 1
combined_model_1 = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
                                                            include_top = False,
                                                            input_tensor=transformed)

#Option 2
combined_model_2 = Model(inputs=dense_model.input, outputs=pretrained_model.output)

#Option 3a
combined_model_3a = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
                                                            include_top = False,
                                                            input_tensor=my_input_shape)(dense_model)
#Option 3b
combined_model_3b = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
                                                            include_top = False)(dense_model)

#Option 4
combined_model_4 = keras.applications.nasnet.NASNetMobile(weights = 'imagenet', 
                                                            include_top = False,
                                                            input_tensor=dense_model)

问题：
给定上面的代码，我想在预训练模型前面菊花链密集模型。我想将图像输入到稠密中，让它在稠密中传播，然后作为预训练的输入，并经过预训练。

为什么不这样做：

inp = Input(shape=my_input_shape)
x = dense_model(inp)
x = pretrained_model(x)

final_model = Model(inp, x)

---

如果您提供完整的代码示例，我们可能会提供帮助。到目前为止，我不知道你哪里做错了，但对我来说，很明显你做错了。如果我有相关但可能“难闻”的演示代码，那可以吗？是的，当然，任何重现问题的代码都会更新。这是否足够？我有5种左右不同的方法，但都不起作用。我不想让它不起作用。我想让它发挥作用如果有任何故障模式似乎特别适合“复活”，那么请告诉我，我将尝试进行适当的更新。除了选项5中令人筋疲力尽的重新创建代码外，其他所有故障模式都进行了更新。我尝试了一下，看起来没有错误。给我10分钟，如果较大的代码没有失败，那么你就成功了。再次感谢你的帮助和时间。