我在使用Tensorflow中的Keras API，尝试实现一个自编码器。顺序模型可以正常工作，但我希望能够分别使用编码器（前两层）和解码器（后两层），同时使用我已经训练好的模型的权重。有没有办法做到这一点？我是否需要创建一个自定义模型？

model = keras.Sequential()
model.add(encoder_1)
model.add(leaky_relu)
model.add(encoder_2)
model.add(leaky_relu2)
model.add(decoder_1)
model.add(leaky_relu3)
model.add(decoder_2)
encoder_model = keras.Sequential()
encoder_model.add(encoder_1)
encoder_model.add(leaky_relu)
encoder_model.add(encoder_2)
encoder_model.add(leaky_relu2)
decoder_model = keras.Sequential()
decoder_model.add(decoder_1)
model.add(leaky_relu3)
decoder_model.add(decoder_2)

我这样定义我的模型，但尝试在编码器或解码器上运行预测时

'Sequential' object has no attribute '_feed_input_names'

回答：

是的，你应该将编码和解码层分别包装在单独的Model实例中，并分别调用它们。Keras博客关于自编码器的文章应该包含你需要知道的一切：https://blog.keras.io/building-autoencoders-in-keras.html