Python TF2-拆分输入数据&；使用层的不同预训练权重

我在大量不同的数据集（100秒的顺序）上分别训练了相同的神经网络结构，以学习每个数据集的唯一非线性函数，即基本上学习了描述每个数据集函数的一组权重

现在，我想将这些权重集用作另一个优化问题中的预训练层。我知道如何加载单个保存的模型并将其用作图层。然而，我将要做的是对100多个不同数据集进行分组优化，其中每个数据集都有一个预先训练好的权重（从上面）

因此，设置是一批x数据集，每个数据集都有n个数据点在d维中，即输入数据的形状为[x，n，d]。有一系列层作用于所有这些数据，当它到达“预训练”层时，我希望使用不同的预训练权重，即对于[0，：，：]使用从上面的数据集0学习的权重，[1，：，：]使用从数据集1学习的权重等

然后，我需要将所有这些的输出组合在一起，因为此分组优化的损失函数基于所有数据集的方差。所以我不相信我能简单地评估一组，计算损失，改变重量，冲洗和重复，最后总结

我怀疑有一些大规模的重复分支是可行的，因为预先训练的NN架构已经相当复杂，我有预先训练的NN层的x个副本

是否可以使用拆分层，然后使用for循环类型的方法，在这种方法中，我更改权重，然后传递正确的数据部分？然后合并所有输出？还是有更好的解决方法

非常感谢您的帮助