Python 如何在keras中间层的结果之间进行计算

如果我构建一个keras神经网络模型，如下所示：

模型1：输入->第1层

模型2：输入->第1层->第2层->操作->第3层->输出

我想在模型1第1层的结果和模型2第2层的结果之间做一些计算，我能做什么？我尝试使用一些Tensorflow代码进行计算，但失败了。有什么方法可以达到我的目标吗？

您可以使用以下方法：

来自keras导入层的

从keras导入模型
#定义模型1架构
m1_input=layers.input（形状=（‘任意形状’））
m1_layer1=layers.SomeLayer（）（m1_输入）
#定义模型2架构
m2_输入=层。输入（形状=（‘任意形状’））
m2\u layer1=layers.SomeLayer（）（m2\u输入）
m2\u layer2=layers.SomeLayer（）（m2\u layer1）
merge_m1=layers.Lambda（SomeOperation）（[m1_layer1，m2_layer2]）
m2\u layer3=layers.SomeLayer（）（合并\u m1）
m2_输出=layers.SomeLayer（）（m2_layer3）
#定义最终模型
模型=模型。模型（输入=[m1\U输入，m2\U输入]，输出=[m2\U输出]）

---

在上面的代码中，

SomeOperation

应该是一个函数。有关Keras中Lambda层的更多信息，请参阅。或者，Keras有一些简单的内置功能，如add或concatenate，您可以使用它们来代替Lambda层。

谢谢！我不知道。Lambda似乎是一个很好的工具。