Tensorflow keras：使用一个模型的输出作为另一个模型输入的一部分

假设我训练了一个自动编码器（它给了我encoder1、decoder1和autoencoder1，这是encoder1和decoder1的集合）。该自动编码器在瓶颈中有3个潜在节点

现在我想训练另一个自动编码器（自动编码器2）。这个新的自动编码器在瓶颈中有6个节点。我想使用编码器1创建autoencoder2的3个输入节点，另一方面创建解码器1，如下所示：

如您所见，有两个输入和两个输出，每个都有自己的损耗。e1和d1是构建的，我想构建自动编码器2，它包含所有：e1、e2、d1、d2

现在，如果只是将它们与1个输入和输出连接在一起，我就会知道如何操作：

autoencoder2 = Model(inputs=input, ouptuts=d1(d2(e2(e1(input)))))

但是因为有两个输入，我不知道该怎么做。我浏览了函数式api文档，但找不到需要的内容。 有什么想法吗？

尝试使用元组：

model = Model(inputs=(e1, e2), outputs=(o1, o2))

唯一的要求是应该接受和处理元组的转发函数。

尝试使用元组：

model = Model(inputs=(e1, e2), outputs=(o1, o2))

唯一的要求是在forward函数中，它应该接受并处理元组。

ty！“转发函数”是什么意思？在Keras中，它是

call（）

方法，

forward

是PyTorch方法。这是您在自己创建新图层或模型时实现的方法。ty！“转发函数”是什么意思？在Keras中，它是

call（）

方法，

forward

是PyTorch方法。这是您在自己创建新图层或模型时实现的方法。