Python 在Keras中恢复具有共享层的多个模型

使用tensorflow gpu 2.0.0.b1

在一个名为mymodels的列表中，我有一组完全连接的模型Model_0到Model_n。输入层和前3个密集层被命名为“输入、共享0、共享1、共享2”，每个模型都有额外的密集层连接到“共享2”。这些模型是使用FunctionalAPI方法构建的

我正在尝试保存模型并在以后恢复它们，然后继续培训

问题是： 我当前正在使用mymodels[I].save（f'Model_{I}/）保存模型。 我目前正在使用mymodels[I]=tf.keras.models.load_model（f'model_{I}/）来加载模型

在检查模型的图层时，我可以看到共享图层在保存之前是相同的对象。加载模型后，共享层是每个模型的不同对象，但它们具有正确的名称。i、 e.mymodels[0]。层[1]==mymodels[1]。层[1]在保存前返回True，但在加载后返回False

保存模型并加载以继续培训的正确方法是什么