Python keras模型的合并，投入产出问题

我想用一个已经训练过的模型，分两步建立一个新的模型

根据图中第一层LSTM（提取器LSTM），第二层密集输出，最后一层密集输出，将已经训练好的模型视为模型109

我的目标是为模型_109馈电并获得输出（output1）。 和 作为第二个模型，仅使用模型_109（提取器_LSTM）输出的头部，将其合并到输出1，以提供新的稠密模型。 我的最终输出是模型_109和新稠密模型的输出

tensor_input = Input(shape=(Xn.shape[1], Xn.shape[2]), name='input2')

prev_model = load_model('model_109.h5')

out_prev_mod = prev_model(tensor_input)
merge_1 = Concatenate()([prev_model.layers[1].output, out_prev_mod])

xy2 = Dense(60+1, activation='softsign',
                kernel_initializer= initializers.he_uniform(), 
                name='DenseOutput2')(merge_1)
xy2 = Dropout(rate = 02])(xy2)
    
out2 = Dense(1, activation='linear',
                kernel_initializer= initializers.he_uniform(), 
                name='Output2')(xy2)


output = Concatenate()([out_prev_mod, out2])
    
model = Model(inputs=[prev_model.input, tensor_input], outputs=[output])


optimizer = optimizers.Adam(lr=params['learningRate']) # optimizer = RMSprop, 
            'Adagrad', 'adam' 'adadelta'
            early_stopping = EarlyStopping(monitor='val_loss', patience=autres_param['patience'] )
    if chckpts == True:
        filepath = 'models/' + nom_exp + "_best-weights.h5"
        checkpoint = ModelCheckpoint(filepath= filepath, monitor='val_loss', 
                     mode='min', save_best_only=True)
        cllBck = [early_stopping, checkpoint]
    else:
        cllBck = [early_stopping]
    model.compile(optimizer=optimizer, loss=params['loss'])

    
    history = model.fit([Xn], yn, validation_split = 
              autres_param['valid_ratio'],
              epochs=autres_param['epochs'], shuffle = autres_param['shuffle'],
              batch_size = autres_param['batch'], verbose=2, callbacks=cllBck)

在图中，input1和input是相同的，Extracter_LSTM是模型_109第一层的副本

最后我得到了这个错误

ValueError：检查模型输入时出错：传递给模型的Numpy数组列表的大小不是模型预期的大小。预计将看到2个阵列，但得到了以下1个阵列的列表：[array（[[[[8.19255325e-04，

最终确定它

tensor_input = Input(shape=(Xn.shape[1], Xn.shape[2]), name='input') 

prev_模型=负载_模型（“模型_109.h5”）

---

尝试以这种方式定义模型（输入=张量输入，输出=输出）并简单地以这种方式拟合模型。拟合（Xn，yn，…）这是我的第一次尝试，但得到了这个错误…''值错误：图形断开连接：无法获得“输入”层的张量张量值（“输入”27:0，形状=（无，60，7），数据类型=浮点32）.访问以下以前的层时没有问题：[]''也许这是一个好方法，我真正的问题就在这一层上

# keep head of model
model2= Model(inputs=prev_model .input, outputs=prev_model.layers[-2].output) 

new_mod = Sequential()
new_mod.add(prev_model )

# Freeze trained Layer 0 
new_mod.layers[0].trainable = False

## add/replace layer
new_mod.add(Dense(params['unitsDense1'], activation=params['activationDenseOutput'],
                  kernel_initializer= initializers.he_uniform(),
                  name='DenseOutput1'))

new_mod.add(Dense(1, activation=params['activationDenseOutput'],
                  kernel_initializer= initializers.he_uniform(),
                  name='DenseOutput1'))