Python 修改Keras模型最有效的方法是什么？

是否有方法将节点添加到现有Keras模型中的图层？如果是，最有效的方法是什么

此外，是否可以对层执行相同的操作？i、 e.向现有Keras模型添加一个新层（例如，就在输入层之后）

---

我知道的一种方法是使用Keras functional API，通过迭代和克隆模型的每一层来创建具有所需更改的原始模型的“副本”，但这是完成此任务的最有效方法吗？

您可以从模型中的一层输出，然后从它开始构建另一个模型：

将tensorflow导入为tf
#一个简单的模型
输入=tf.keras.Input（shape=（3，））
x=tf.keras.layers.density（4，activation='relu'）（输入）
输出=tf.keras.layers.density（5，激活='softmax'）（x）
模型=tf.keras.model（输入=输入，输出=输出）
#从上一个模型中的图层开始创建第二个模型
x2=tf.keras.layers.density（8，activation='relu'）（model.layers[1]。输出）
outputs2=tf.keras.layers.density（7，激活='softmax'）（x2）
model2=tf.keras.Model（输入=Model.input，输出=outputs2）

---

请注意，在这种情况下，

model

和

model2

共享相同的输入层和第一个密集层对象（

model.layers[0]是model2.layers[0]

和

model.layers[1]是model2.layers[1]

）。

到目前为止您尝试了什么？使用模型和

.add（）

ing things？@AKX假设我想在输入层之后添加一个层，

.add

函数会将层添加到网络的末尾，这不是我想要的。您可以执行类似于

输出\u I=model.layers[I].output

然后将

output_i

作为输入传递到另一层/模型。@jdehesa您能提供一个示例吗？我想这可能就是我想要的。