如何在不破坏结构的情况下重命名Keras模型的层？

因为我试图重命名给定模型的层（包括输入层）

以下最小示例显示了我当前方法（使用TensorFlow 2.3）遇到的错误：

从tensorflow.keras.models导入负荷模型
模型=负荷\模型（“模型h5”）
对于model.layers中的图层：
图层。_name=layer.name+“_重命名”
model.to_json（）

---

关于如何解决这个问题有什么想法吗？

问题：Keras通过遍历

层来序列化网络。_inbound_节点

和

模型。_network_节点

；设置

图层时，图层名称将保留原始名称


解决方案：相应地重命名
网络节点
。底部的工作功能，示例如下：

从tensorflow.keras.models导入负荷模型
从tensorflow.keras.layers导入输入，密集
从tensorflow.keras.models导入模型
ipt=输入（（16，））
输出=密集（16）（ipt）
模型=模型（ipt，out）
model.compile（'sgd'，'mse'）
重命名（模型，模型层[1]，“新名称”）
model.save（'model.h5'）
加载=加载\模型（'model.h5'）


注意：
层。name
是一个没有
.setter
的层，这意味着它不需要设置（很明显）。此外，它被覆盖，除了设置属性之外还执行其他步骤-可能是必要的，但无法确切确定它可能具有哪些其他效果。我已经包括了一个绕过这些的替代方案。充其量把这当作一个临时解决办法；我建议在Github上打开一个问题，因为API端的更改即将到期


功能：

并非万无一失——
\u get\u node\u suffix
的命名逻辑需要工作（例如，
密集型\u 1
可能与
密集型\u 11
混淆）

def重命名（模型、图层、新名称）：
def_get_node_后缀（名称）：
对于旧\u节点中的旧\u名称：
如果旧的\u name.startswith（name）：
返回旧名称[len（name）：]
旧名称=layer.name
旧节点=列表（模型网络节点）
新的_节点=[]
对于model.layers中的l：
如果l.name==旧名称：
l、 \u name=新的\u名称
#vars（l）。uuu setitem_uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu__
新节点。追加（新节点名称+\u获取节点后缀（旧节点名称））
其他：
新增节点。追加（l.name+\u获取节点\u后缀（l.name））
模型。\网络\节点=集合（新\节点）
与此同时，我以另一种方式解决了我原来的问题，即不重命名任何层，但了解如何使用重命名策略很有意思。
ValueError: The target structure is of type `<class 'tensorflow.python.framework.ops.Tensor'>`
  Tensor("input_1:0", shape=(None, 4), dtype=float32)
However the input structure is a sequence (<class 'list'>) of length 0.