我正在按照Keras中关于深度自编码器的教程进行学习，这里。在开始部分的简单自编码器中，有一个decoder定义如下：

# 检索自编码器模型的最后一层decoder_layer = autoencoder.layers[-1]# 创建解码器模型decoder = Model(encoded_input, decoder_layer(encoded_input))

如果有超过一个解码层，这种方法就不再适用了。如果我有三个解码层，该如何做类似的事情呢？

encoded = Dense(128, activation='relu')(input_img)encoded = Dense(64, activation='relu')(encoded)encoded = Dense(32, activation='relu')(encoded)decoded = Dense(64, activation='relu')(encoded)decoded = Dense(128, activation='relu')(decoded)decoded = Dense(784, activation='sigmoid')(decoded)autoencoder = Model(input_img, decoded)encoder = Model(input_img, encoded)

对于编码器来说，这很容易实现，但如何获取最后三层的模型呢？

回答：

尝试（参考这个回答）：

# 检索自编码器模型的最后三层 decoder_layer1 = autoencoder.layers[-3]decoder_layer2 = autoencoder.layers[-2]decoder_layer3 = autoencoder.layers[-1]# 创建解码器模型decoder = Model(input=encoded_input, output=decoder_layer3(decoder_layer2(decoder_layer1(encoded_input))))