Python Tensorflow 2：如何从保存的模型连接两个层？

我有两个保存的模型。我想加载模型1的输出并将其连接到模型2的输入：

# Load model1
model1 = tf.keras.models.load_model('/path/to/model1.h5')

# Load model2
model2 = tf.keras.models.load_model('/path/to/model2.h5')

# get the input/output tensors
model1Output = model1.output
model2Input = model2.input

# reshape to fit
x = Reshape((imageHeight, imageWidth, 3))(model1Output)

# how do I set 'x' as the input to model2?

# this is the combined model I want to train
model = models.Model(inputs=model1.input, outputs=model2.output)

我知道，在实例化

层时，可以通过将输入作为参数传递（
x=Input（shape）
）来设置输入。但是如何在现有层上设置
输入
，在我的例子中是
x
？我已经看过
层
类的文档，但是我看不到提到的这个

编辑：

添加两个模型的摘要

以下是
model1
的顶部：

__________________________________________________________________________________________________
conv2d_transpose_3 (Conv2DTrans (None, 304, 304, 16) 4624        activation_14[0][0]              
__________________________________________________________________________________________________
dropout_7 (Dropout)             (None, 304, 304, 32) 0           concatenate[3][0]                
__________________________________________________________________________________________________
conv2d_17 (Conv2D)              (None, 304, 304, 16) 4624        dropout_7[0][0]                  
__________________________________________________________________________________________________
batch_normalization_17 (BatchNo (None, 304, 304, 16) 64          conv2d_17[0][0]                  
__________________________________________________________________________________________________
activation_16 (Activation)      (None, 304, 304, 16) 0           batch_normalization_17[0][0]     
__________________________________________________________________________________________________
conv2d_18 (Conv2D)              (None, 304, 304, 10) 170         activation_16[0][0]              
==================================================================================================

下面是
model2
的输入：

__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_1 (InputLayer)            [(None, 299, 299, 3) 0                                            
__________________________________________________________________________________________________
block1_conv1 (Conv2D)           (None, 149, 149, 32) 864         input_1[0][0]                    
__________________________________________________________________________________________________
block1_conv1_bn (BatchNormaliza (None, 149, 149, 32) 128         block1_conv1[0][0]               
__________________________________________________________________________________________________
block1_conv1_act (Activation)   (None, 149, 149, 32) 0           block1_conv1_bn[0][0]            
__________________________________________________________________________________________________
block1_conv2 (Conv2D)           (None, 147, 147, 64) 18432       block1_conv1_act[0][0]           
__________________________________________________________________________________________________

我需要将
model1
中
conv2d\u 18
的输出作为
model2
中
block1\u conv1
的输入
 假设您有两个模型，model1和model2，您可以将一个模型的输出传递给另一个模型的输入

您可以这样做：

在这里，
model2.layers[1://code>针对您的问题选择索引
1
，以跳过第一层并通过模型的第二层传播输入

在模型之间，我们可能需要额外的卷积层来适应输入的形状

def mymodel():
  # Load model1
  model1 = tf.keras.models.load_model('/path/to/model1.h5')

  # Load model2
  model2 = tf.keras.models.load_model('/path/to/model2.h5')

  x = model1.output

  #x = tf.keras.models.layers.Conv2D(10,(3,3))(x)

  for  i,layer in enumerate(model2.layers[1:]):
        x = layer(x)
  model = keras.models.Model(inputs=model1.input,outputs= x)

  return model



注意：任何拥有更好解决方案的人都可以编辑此答案
 找到了另一种方法，至少对我来说更有意义：

# Load model1
model1 = tf.keras.models.load_model('/path/to/model1.h5')

# Load model2
model2 = tf.keras.models.load_model('/path/to/model2.h5')

# reduce the 10 dim channels to 1 dim 
newModel2Input = tf.math.reduce_max(model1.output, axis=-1)

# convert to 3 dims to match input expected by model2 
newModel2Input = Reshape((299, 299, 3))(newModel2Input)  

# this is the combined model I want to train
model = models.Model(inputs=model1.input, outputs=model2(newModel2Input))

那么，你想让model1的最后一层
block1\u conv2
成为model2的输入，你也可以发布model2的摘要吗？我已经相应地编辑了这篇文章。我还更正了摘要中的一个错误。您现在看到的是正确的。模型1的输出具有形状
（无，304，304，10）
，模型2的输入具有形状
（无，299，299，3）
，通道分别为10和3是的，我添加了一个重塑层来转换尺寸：
x=重塑（（图像高度，图像宽度，3））（模型1输出）
（请参见代码）。但是我不知道如何将
model2
的输入设置为
x
。我的坏
对于我来说，枚举中的层（model2.layers[1:]）：x=layer（x）
你必须迭代每一层，还要注意层名，它们对于模型和它都应该是唯一的；你最好根据模型编写自己的图层