Keras 如何将一个模型拆分为两个独立的模型？

例如，我有一个具有3个中间层的模型：

Model1:Input1-->L1-->L2-->L3

想把它分成几部分

Model2:Input2-->L1-->L2

和

Model3:Input3-->L3

使用函数式API很容易将这两个函数堆叠起来，以获得第一个函数。但我不知道如何做相反的事情

第一个拆分模型可以通过以下方式获得：

model（Input1，L2.output）

，但第二个不是那么容易。最简单的方法是什么

示例代码：

# the first model
input1 = Input(shape=(784,))
l1 = Dense(64, activation='relu')(inputs)
l2 = Dense(64, activation='relu')(l1)
l3 = Dense(10, activation='softmax')(l2)
model1 = Model(inputs, l3)

我想构建上面描述的

model2

和

model3

，它们与

model1

共享权重，而model1已经存在（可能从磁盘加载）

---

谢谢

简而言之，需要额外的

输入。因为输入张量不同于中间张量

首先定义共享层：

l1=密集型（64，激活='relu'）
l2=密集型（64，激活='relu'）
l3=密集型（10，activation='softmax'）

记住

input1=Input（shape=（784，）#input1是一个输入张量
o1=l1（input1）#o1是一个中间张量

Model1
可以定义为
Model1=Model（input1，l3（l2（l1（input1）））

要定义
model2
，必须首先定义一个新的输入张量
input2=input（shape=（64，）
。然后
model2=Model（input2，l3（l2（input2））
来澄清模型（Input3，l3）不起作用？为什么？你能写一些代码作为你试图实现的例子吗？@putonspectacles谢谢你的回复。Model（Input3，l3）这是不可能的，因为Input3不存在，而L3的输入是L2的输出。我认为这里的关键是如何正确重置L3的输入。我更新了一些示例代码。非常感谢。这对我来说很有效。但还有一个问题，它能更简单吗？因为此方法需要重建model2的整个计算图，它已经包含在模型1中定义。当模型1是一个加载的预训练模型且非常复杂时，提取所有中间层并重建模型2可能会很困难。理想的情况是只在模型1中指定两点，然后以某种方式“提取”中间部分作为子模型。有可能使用keras吗？据我所知，您不能这样做。因为keras依赖于TF或THANO，这些框架以不同的方式对待输入张量和中间张量。