如何将名称添加到Keras顺序模型的图层

我在Tensorflow 2.0中使用Keras创建了一个顺序模型：

def create_model():
    model = keras.Sequential([
        keras.layers.Flatten(input_shape=(28,28), name="bla"),
        keras.layers.Dense(128, kernel_regularizer=keras.regularizers.l2(REGULARIZE), activation="relu",),
        keras.layers.Dropout(DROPOUT_RATE),
        keras.layers.Dense(128, kernel_regularizer=keras.regularizers.l2(REGULARIZE), activation="relu"),
        keras.layers.Dropout(DROPOUT_RATE),
        keras.layers.Dense(10, activation="softmax")
    ])
    model.compile(optimizer="adam",
                  loss="sparse_categorical_crossentropy",
                  metrics=["accuracy"])
    return model

model = create_model()

# Checkpoint callback
cp_callback = tf.keras.callbacks.ModelCheckpoint(filepath=checkpoint_path,
                                                 save_weights_only=True)

# Train model
model.fit(train_images,
          train_labels,
          epochs=EPOCHS,
          callbacks=[cp_callback])

如果在将模型加载到单独的文件后提取名称，则会得到以下结果：

# Create model instance
model = create_model()

# Load  weights of pre-trained model
model.load_weights(checkpoint_path)

output_names = [layer.name for layer in model.layers]
print(output_names) = ['flatten', 'dense', 'dropout', 'dense_1', 'dropout_1', 'dense_2']

在这种情况下，我希望

bla

而不是

flatten

---

如何将自定义名称添加到图层

你做得对，直接从我的jupyter开始：

来自tensorflow导入keras的

模型=keras.连续([
keras.layers.Flatten（输入_shape=（28,28），name=“bla”），
keras.layers.致密（128，activation=“relu”，），
keras.层压降（0.5），
keras.layers.Dense（128，activation=“relu”），
keras.层压降（0.5），
keras.层密度（10，活化=“softmax”）
])
model.compile（optimizer=“adam”，
loss=“稀疏\分类\交叉熵”，
指标=[“准确度”]）
模型

0x2b6ecf083c18处的tensorflow.python.keras.engine.sequential.sequential>

[‘bla’、‘密集’、‘辍学’、‘密集1’、‘辍学1’、‘密集2’]

编辑添加加载/保存零件：

model.save（'my_model.h5'））
第二个模型=keras.models.load\u模型（“my\u model.h5”）
输出\u名称=[第二个\u模型中的层的layer.name.layers]
输出名称

[‘bla’、‘密集’、‘辍学’、‘密集1’、‘辍学1’、‘密集2’]

如果您能添加整个代码，问题可能出在其他地方

---

您还可以添加tensorflow版本吗？

我需要重置模型吗？有命令吗？我使用PyCharm和Tensorflow 2.0。只要使用

模型，就不必重置代码。save

和

keras.models.load\u model

即可

cp\u callback=tf.keras.callbacks.modelscheckpoint（filepath=checkpoint\u path，save\u weights\u only=True）

如果只保存权重，则不会添加图层名称，将其设置为

False

output_names = [layer.name for layer in model.layers]
output_names