如何创建keras'；解码器型号'；它从中间层开始，并延伸到输出层

在自动编码器中，创建编码器模型很容易，因为我们有一个清晰的输入层。但我对如何创建解码器模型感到困惑。例如，以下是图层：

m = Sequential()

##  Encoder 
m.add(Dense(512,  activation='elu', input_shape=(784,)))
m.add(Dense(128,  activation='elu'))
m.add(Dense(2,
            activation='linear',
            name="bottleneck")   
            )  


##  Decoder
m.add(Dense(128,  activation='elu', name = "first_decode_layer"))
m.add(Dense(512,  activation='elu'))
m.add(Dense(784,  activation='sigmoid', name = "output_layer")) 
#  Compile the model
m.compile(
          loss='mean_squared_error',
          optimizer = Adam()
         )

现在可以轻松创建编码器模型，如下所示：

encoder = Model(m.input,                         
                m.get_layer('bottleneck').output  
               )

但是，我无法理解如何创建解码器模型。例如，这不起作用：

decoder = Model(m.get_layer("first_decode_layer").input,                          
                    m.get_layer('output_layer').output  
                )

这个错误要求我有一个输入层。它说：

"inputs must come from `keras.layers.Input` (thus holding past layer
metadata), they cannot be the output of a previous non-Input layer.
Here, a tensor specified as input to your model was not an Input tensor, "

---

非常感谢您的指导。

完美答案。据我所知，我们正在创建两个独立的顺序模型。然后使用最后两行耦合这两个代码：auto_out=解码器（encoder.output）；自动编码器=型号（编码器输入，自动输出）。

#encoder
encoder = Sequential()
....
encoder.add(...."bottleneck")

#decoder
decoder = Sequential()
decoder.add(......"first_decoder_layer")
...
decoder.add(......"output_layer")

#autoencoder
auto_out = decoder(encoder.output)
autoencoder = Model(encoder.input, auto_out)