Keras 从使用GridsearchCV调整的自动编码器模型中可视化潜在层和解码器层

我是一个初学者在自动编码器，所以请原谅我，如果在天真的问题。 我的数据以熊猫数据框的形式存在（列是细菌计数行是样本）。根据这些数据，我正在使用grid searchCV调整我的自动编码器

下面是我的代码（python中的Keras）

在为我的模型选择了最佳参数之后，我想看看潜在层中发生了什么（我想使用UMAP将其可视化）。我还想计算输入和解码输出之间的贝塔分集（生态距离）。我是否可以从我的最佳模型中“提取”编码器和解码器，并使用它来预测我的测试数据，或者我是否应该用最佳参数重写我的模型，并执行以下操作：

#create the encoder model     
encoder = Model(inputs=autoencoder.input, outputs=autoencoder.layers[4].output)
#create the decoder model
encoded_input = Input(shape=(128,))
deco = autoencoder.layers[-2](encoded_input)
deco = autoencoder.layers[-1](deco)
decoder = Model(encoded_input, deco)

encoder_predict = encoder.predict(X_test)
decoder_pred = decoder.predict(prediction)

非常感谢你的帮助

#create the encoder model     
encoder = Model(inputs=autoencoder.input, outputs=autoencoder.layers[4].output)
#create the decoder model
encoded_input = Input(shape=(128,))
deco = autoencoder.layers[-2](encoded_input)
deco = autoencoder.layers[-1](deco)
decoder = Model(encoded_input, deco)

encoder_predict = encoder.predict(X_test)
decoder_pred = decoder.predict(prediction)