如何在keras程序中调用TimeDistributed包装器中的层

我想在具有给定体系结构的经过训练的Keras模型的第二次分布式包装器中调用“sentEncoder”模型中的层，以创建另一个Keras模型来进行中间预测。从“docEncoder”模型调用层是相当简单的，但是在培训“docEncoder”之后如何访问sentEncoder中的层呢

l2_reg=regularizers.l2（reg_参数）
句子输入=输入（形状=（最大发送长度），数据类型='int32'）
嵌入层=获取嵌入层（嵌入层=嵌入层，嵌入矩阵=嵌入矩阵，
max_num_words=max_num_words，max_sent_length=max_sent_length，
reg_参数=reg_参数）
嵌入的\u序列=嵌入\u层（句子\u输入）
l_lstm=双向（GRU（GRU单位，返回序列=真））（嵌入序列）
l_稠密=时间分布（稠密（2*gru单位，使用偏差=真，
偏差\u初始值设定项='0'，
kernel\u initializer='glorot\u uniform'，
激活（='tanh'））（llstm）
l_att=AttLayer（）（l_密集）
sentEncoder=模型（句子输入，l_att）
打印（sentcoder.summary（））
文档输入=输入（形状=（最大发送，最大发送长度），数据类型='int32'）
检查编码器=时间分配（sentEncoder）（文件输入）
l_lstm_sent=双向（GRU（GRU单元，返回序列=真））（查看编码器）
l_densite_sent=时间分布（密集（2*gru_单位，使用偏差=真，
偏差\u初始值设定项='0'，
kernel\u initializer='glorot\u uniform'，
激活（='tanh'））（l_lstm_发送）
l_att_sent=AttLayer（）（l_sent）
preds=稠密（n_类，activation='sigmoid'，kernel_正则化器=l2_reg）（l_att_发送）
docEncoder=模型（文档输入，preds）

可以按如下方式提取时间分布包装器中某个层的权重：

sent_att_u_weights = model.layers[4].get_weights()[0]

---

您可以使用类似以下内容将其设置为可再次培训：

for layer in docEncoder.layers[0].layer.layers:
layer.trainable=True

首先，在主模型中访问

TimeDistributed

wrapped

sentcoder

作为一个层，然后访问其中的层