Tensorflow 如何合并多个Keras模型以获得单个输出，而无需进一步培训

下面是我训练的最简单的cnn模型的代码。现在我的问题是，我需要创建多个模型（例如5个模型=[model1，model2，…，model5]），并使用循环来训练这些模型上的数据，而不是一个模型

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.SGD(),
              metrics=['accuracy'])

# train your model 
history = model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)

---

问题到底是什么？我有一项任务，要求我训练多个模型并合并所有模型以获得单个输出，而无需进一步培训。我知道问题是“如何合并多个Keras模型以获得单个输出而无需进一步培训？”。你能更新这个问题吗？@rvinas:相应地更新了。