Python 如何使用神经网络的输出作为Keras中另一个神经网络的输入

我用Keras实现了一个LSTM，并在语料库上对其进行了训练。现在我想获取NN的输出，并将其作为输入传递给另一个NN模型，然后在测试集上进行测试。我保存了NN的模型，但我不知道如何提取输出并将其提供给另一个NN。我怎么做

这是我的代码：

model = Sequential()
model.add(Embedding(vocab_size, 50, input_length=seq_length))
model.add(LSTM(100, return_sequences=True))
model.add(LSTM(100))
model.add(Dense(100, activation='relu'))
model.add(Dense(vocab_size, activation='softmax'))
print(model.summary())
# compile model
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=
['accuracy'])
# fit model
model.fit(X, y, batch_size=128, epochs=500)
# save the model to file
model.save('model.h5')

---

不需要保存模型来提取输出。只需使用

predict（）

函数即可获得输出。 在您的情况下，要从模型中获得输出，请通过测试输入，如图所示

prediction = model.predict(X_test)

其中X_test是您的测试输入，“预测”将包含您的输出，然后可以打印

---

要将此输出作为另一个模型的输入，请首先创建另一个与现有模型类似的模型，然后将预测变量传递到

model.fit（）

函数中

要在另一个模型中使用一个模型的输出，只需加载并使用它：

m0 = tf.keras.models.load_model("path_to_model_here", compile=False)
m0 = m0(some_input)

m1 = concatenate([some_input, m0])
m1 = Dense(DENSE_LAYER_NEURONS, input_shape=(INPUT_SIZE + M0_SIZE,), activation="relu")(m1)
m1 = Dense(DENSE_LAYER_NEURONS, activation="relu")(m1)
...

---

你这里所说的“输出”是什么意思？我看不到输出任何东西。这是有道理的，谢谢！那么，我怎样才能将预测作为另一个模型的输入呢？