Python 在tensorflow中构建主图时使用子图

我有一个在Keras中预先训练过的模型，我希望将其转换为Tensorflow。在这个预先训练过的Keras网络中，一些层实际上被定义为一个子模型，该子模型在一些情况下从主模型中获取其他层作为输入（每个情况下获得不同的层作为输入），并通过相同的内部层动作序列生成输出

是否有可能在Tensorflow中创建这样的子图，从主图中获取一个张量，并返回一个与Keras使用子模型的原理相同的输出

我尝试实现的子图是从

tf.placeholder

构建的，它是根据预期的形状和作为输入张量的数据类型定义的第一层

失败的尝试之一是尝试在主图和子图之间连接，如下所示：

main_graph_out, = tf.import_graph_def(main_graph, 
                                         return_elements=[layer_name_as_input_to_sub_graph]])

sub_graph_out, = tf.import_graph_def(submodel_graph, input_map={first_sub_graph_layer_name: main_graph_out},
                                         return_elements=[last_sub_graph_layer_name])

但由于以下原因，该计划失败：

ValueError:在图形def中找不到请求的返回张量“P3”

（P3是我希望输入子图的主图形层的名称）

非常感谢您的帮助。。。 非常感谢