Python 如何使用中间输出保存/加载模型

我正在用Keras编写自动编码器：

inputs = Input((n_channels,))
l1 = Dense(40, activation="relu")(inputs)
l2 = Dense(19)(l1)
l3 = Dense(40, activation="relu")(l2)
training_layer = Dense(n_channels)(l3)
unify_layer = Model(inputs=inputs, outputs=l2)
training_layer = Model(inputs=inputs, outputs=training_layer)

我使用

training\u layer

进行培训，使用

unify\u layer

进行预测，因此当我保存后继续学习时，我希望能够访问两个端点

[根据Marcin的评论进行编辑]

Model.save

仅允许保存一个模型。当我打电话时：

unify_layer.save("unify")
training_layer.save("training")

然后

unify_layer = load_model("unify")
training_layer = load_model("training")

---

两层不再链接，即当我训练

训练层

时，

统一层

没有训练。

哦，我实际上可以使用

保存权重

和

加载权重

方法：

class Autoencoder():
    def __init__(self):
        inputs = Input((n_channels,))
        l1 = Dense(40, activation="relu")(inputs)
        l2 = Dense(19)(l1)
        l3 = Dense(40, activation="relu")(l2)
        training_layer = Dense(n_channels)(l3)
        self.unify_layer = Model(inputs=inputs, outputs=l2)
        self.training_layer = Model(inputs=inputs, outputs=training_layer)

    def save(self, filename):
        self.unify_layer.save_weights("unify_" + filename)
        self.training_layer.save_weights("training_" + filename)

    def load(self, filename):
        self.unify_layer.load_weights("unify_" + filename)
        self.training_layer.load_weights("training_" + filename)

---

您所说的

model.save

仅允许一个模型是什么意思？