Python 提取3个嵌入层的Keras连接层，但它'；这是一张空名单

我正在构建一个具有多个输入（实际上是3个）的Keras分类模型，以预测单个输出。具体而言，我的3个输入是：

演员

情节摘要

相关电影特辑

输出：

类型标签

Python代码（创建多输入kera）

模型结构

我的问题：

在一些训练数据上成功地拟合和训练了模型之后，我想提取这个模型的嵌入，以供以后使用。在使用多输入keras模型之前，我的主要方法是训练3个不同的keras模型并提取shape 100的3个不同嵌入层。现在我有了多输入keras模型，我想提取带有输出形状（None，300）的连接嵌入层

但是，当我尝试使用此python命令时：

embeddings = model_4.layers[9].get_weights()
print(embeddings)

或

我得到一个空列表（第一个代码示例）或一个索引错误：列表索引超出范围（第二个代码示例）

提前感谢您对此事的任何建议或帮助。请随时在评论中询问我可能遗漏的任何其他信息，以使此问题更加完整

---

注意：Python代码和模型的结构也已经呈现给了前面回答的这个问题，连接层没有任何权重（从模型摘要中可以看到，它没有可训练的参数），因此您的

get_weights（）

输出为空。串联是一种操作。
对于您的情况，您可以在训练后获得各个嵌入层的权重

model.layers[3].get_weights() # similarly for layer 4 and 5

或者，如果要将嵌入存储在（None，300）中，可以使用numpy来连接权重。

out_concat = np.concatenate([mdoel.layers[3].get_weights()[0], mdoel.layers[4].get_weights()[0], mdoel.layers[5].get_weights()[0]], axis=-1)

虽然可以获得连接层的输出张量：

out_tensor = model.layers[9].output
# <tf.Tensor 'concatenate_3_1/concat:0' shape=(?, 300) dtype=float32>

out\u tensor=model.layers[9]。输出
# 

非常感谢您的回答。事实上今天早上，我想的和你给我的完全一样。提取第3、4、5层并使用np.concatenate或np.stack合并它们。

out_concat = np.concatenate([mdoel.layers[3].get_weights()[0], mdoel.layers[4].get_weights()[0], mdoel.layers[5].get_weights()[0]], axis=-1)

out_tensor = model.layers[9].output
# <tf.Tensor 'concatenate_3_1/concat:0' shape=(?, 300) dtype=float32>