Machine learning keras中的resnet50和densenet121合奏

我想对resnet50和desnsenet121进行集成，但出现错误：

Graph disconnected:无法获取“input_8”层的张量张量值（“input_8:0”，shape=（？，224，224，3），dtype=float32）。访问以下以前的层时没有问题：[]

下面是我的加密代码：

来自keras导入应用程序的

从keras.layers导入稠密、衰减、展平、Conv2D、MaxPool2D
从keras.models导入模型，输入
#从keras.engine.topology导入输入
从keras.layers导入平均值
def resnet50（）：
base_model=applications.resnet50.resnet50（weights='imagenet'，include_top=False，input_shape=（224224，224，3））
last=基本模型输出
x=展平（）（最后一个）
x=密度（2000，活化='relu'）（x）
preds=密集（200，激活='softmax'）（x）
模型=模型（基本模型输入，preds）
回归模型
def densenet121（）：
base_model=applications.densenet.DenseNet121（weights='imagenet'，include_top=False，input_shape=（224224，3））
last=基本模型输出
x=展平（）（最后一个）
x=密度（2000，活化='relu'）（x）
preds=密集（200，激活='softmax'）（x）
模型=模型（基本模型输入，preds）
回归模型
resnet50_model=resnet50（）
densenet121_模型=densenet121（）
集成_模型=[resnet50_模型，densenet121_模型]
def集成（模型、模型输入）：
输出=[model.outputs[0]用于模型中的模型]
y=平均值（）（输出）
模型=模型（模型输入，y，name='employee'）
回归模型
模型输入=输入（形状=（224,3））
集成模型=集成（集成模型、模型输入）

---

我认为原因是当我结合reset50和densenet121时，它们有自己的输入层，即使我使输入形状相同。不同的输入层会导致冲突。这只是我的猜测，我不知道如何修复它。你可以在创建基本模型时设置

input\u tensor=model\u input

def resnet50（型号输入）：
base_model=applications.resnet50.resnet50（weights='imagenet'，include_top=False，input_tensor=model_input）
# ...
def densenet121（车型输入）：
base_model=applications.densenet.DenseNet121（weights='imagenet'，include_top=False，input_tensor=model_input）
# ...
模型输入=输入（形状=（2242243））
resnet50\u model=resnet50（model\u输入）
densenet121\u模型=densenet121（模型输入）

然后，基本模型将使用提供的

model\u输入

张量，而不是创建自己的单独输入张量