Machine learning 如何将单独创建的编码器和解码器连接在一起？

我想创建自动编码器并使用它。 我已经创建了编码器和解码器。使用summary（）方法，我检查了它们是否良好且对称。 下一步，我想把编码器和解码器连接起来，并接收最终的模型来训练它。 我试图将两者联系起来，但最终的模型总结显示出了一些问题。它不显示模型的所有层（解码器的某些部分缺失）。 您可以看到buld_model（）函数。在这里，我试图将两者联系在一起。 谢谢

类自动编码器（对象）：
定义初始化（自我，
形状，
编码器的深度，
深度，
编码器(u)滤波器,，
解码器(u过滤器),，
你大踏步，
你大踏步，
潜伏期，
):
self.shape=shape
#检查提供的过滤器
断言（编码器\u深度==len（编码器\u过滤器），“过滤器计数应与编码器的查找深度匹配”）
断言（解码器\u深度==len（解码器\u过滤器），“过滤器计数应与解码器的查找深度匹配”）
#检查提供的步幅
断言（编码器深度==len（编码器步长），“步长计数应与编码器的查找深度匹配”）
断言（解码器深度==len（解码器步幅），“步幅计数应与解码器的查找深度匹配”）
#深度和潜在空间
self.encoder_depth=编码器_depth
self.decoder\u depth=解码器\u depth
self.潜伏_空间=潜伏_空间
#过滤器
self.encoder\u filters=编码器\u filters
self.decoder\u filters=解码器\u filters
#跨步
self.encoder_-strips=编码器_-strips
self.decoder_-strips=解码器_-strips
self.buld_模型（）
def build_编码器（自身）：
输入x=输入（shape=self.shape，name=“编码器输入”）
x=输入x
对于范围内的i（自编码器深度）：
x=Conv2D（自编码器_过滤器[i]，
内核大小=3，
步幅=self.encoder_步幅[i]，
padding=“相同”，
name=“编码器转换”+str（i））（x）
x=LeakyReLU（）（x）
self.shape\u before\u flat=K.int\u shape（x）[1:]
x=展平（）（x）
编码器输出=密集（self.潜伏期空间，name=“编码器输出”）（x）
self.encoder\u输出=编码器\u输出
self.encoder\u input=input\u x
self.encoder=tf.keras.Model（self.encoder\u输入，self.encoder\u输出）
def生成解码器（自身）：
解码器输入=输入（shape=（self.潜伏空间），name=“解码器输入”）
x=稠密（np.prod（自形在平坦之前））（解码器输入）
x=重塑（在展平之前自我塑造）（x）
对于范围内的i（自译码器深度）：
x=Conv2DTranspose（自译码器滤波器[i]，
内核大小=3，
步幅=self.decoder_步幅[i]，
padding=“相同”，
name=“解码器转换”+str（i））（x）
如果i

你差点就成功了！小菜一碟。它应该是这样的：

    img = Input(shape=self.img_shape)
    encoded_repr = self.encoder(img)
    reconstructed_img = self.decoder(encoded_repr)

    self.autoencoder = Model(img, reconstructed_img)
    self.autoencoder.compile(loss='mse', optimizer=optimizer)

---

我希望有帮助

请包括摘要output@TheGuywithTheHat我添加了图片。如果它有效，请将它作为您问题的答案，这样其他人也可以使用它。