我训练了一个包含4个隐藏层和2个全连接层的模型，并保存了该模型。

现在我想加载该模型并将其拆分为两个模型，一个模型包含一个隐藏层，另一个模型仅包含全连接层。

我已经按以下方式拆分了包含隐藏层的模型

model = load_model ("model.hdf5")HL_model = Model(inputs=model.input, outputs=model.layers[7].output)

这里加载的模型中，第7层是我的最后一个隐藏层。我尝试按以下方式拆分全连接层

DL_model = Model(inputs=model.layers[8].input, outputs=model.layers[-1].output)

但我收到了错误

TypeError: Input layers to a `Model` must be `InputLayer` objects.

拆分后，HL_model的输出将成为DL_model的输入。

有谁能帮助我创建一个仅包含全连接层的模型吗？

附注：我还尝试了以下代码

from keras.layers import Input inputs = Input(shape=(9, 9, 32), tensor=model_1.layers[8].input)model_3 = Model(inputs=inputs, outputs=model_1.layers[-1].output)

但得到了如下错误

RuntimeError: Graph disconnected: cannot obtain value for tensor Tensor("conv2d_1_input:0", shape=(?, 144, 144, 3), dtype=float32) at layer "conv2d_1_input". The following previous layers were accessed without issue: []

这里(144, 144, 3)是model的输入图像尺寸。

回答：

你需要先指定一个新的Input层，然后在其上堆叠剩余的层：

DL_input = Input(model.layers[8].input_shape[1:])DL_model = DL_inputfor layer in model.layers[8:]:    DL_model = layer(DL_model)DL_model = Model(inputs=DL_input, outputs=DL_model)