除了模型 A、B、C 都水平堆叠成一个模型？我见过一些使用输入层的解决方案，但是每当我使用输入层时，当我尝试加载模型时似乎都会出错。 有没有办法加载所有模型，将它们连接起来，然后保存为一个新的更大的模型？
编辑：我已经训练了所有模型。我想在事后将它们结合起来。
【问题讨论】：
layers.concatenate 做到这一点。不过不确定，但你可以试试。
标签： python python-3.x tensorflow keras
这是我的想法，假设您有这些模型要堆叠：
model_1 = tf.keras.models.Model(inputs = model_1.input, outputs = model_1_out)
model_2 = tf.keras.models.Model(inputs = model_2.input, outputs = model_2_out)
model_3 = tf.keras.models.Model(inputs = model_3.input, outputs = model_3_out)
如果你想堆叠模型，而不是连接它们的输出：
models = [model_3 , model_2 , model_1]
stacked_model_input = tf.keras.Input(shape=(x, x, x))
model_outputs = [model(stacked_model_input) for model in models]
stacked_model = tf.keras.models.Model(inputs=stacked_model_input, outputs=model_outputs)
model_outputs 给出：（此处通过 3。）
[<KerasTensor: shape=(None, 3) dtype=float32 (created by layer 'model_2')>,
<KerasTensor: shape=(None, 3) dtype=float32 (created by layer 'model_1')>,
<KerasTensor: shape=(None, 3) dtype=float32 (created by layer 'model')>]
用于保存堆叠模型：
from tf.keras.models import save_model
save_model(stacked_model , 'model.h5')
我不确定如何使用它们的单独输出，但是，这就是你可以堆叠它们的方式。
编辑：您可以通过定义单独的损失等来使用它们的输出。或者由于它们是堆叠的并且输入是共享的，您可以获得每个模型的输出以创建具有其权重的新模式。我不知道你能不能把它们从堆叠模型中剪下来，所以这就是我说得到每个输出的原因。
【讨论】：
是的，这在keras 中是可能的，但需要一些API 的高级知识。特别是，您需要考虑如何计算每个输出相对于输入的损失。
我建议查看developer guides，也许从functional API 和custom training loops 开始。
以下是如何使用功能 API 创建此类网络的草图。
from tensorflow import keras
input_shape: int = 100
inputs = keras.Input(shape=(input_shape,))
units: int = 64
dense1 = layers.Dense(units)
dense2 = layers.Dense(units)
dense3 = layers.Dense(units)
out1 = dense1(inputs)
out2 = dense2(inputs)
out3 = dense3(inputs)
【讨论】：