我正在尝试训练一个包含两个嵌套模型的Keras模型，并且我想分别保存这两个内部模型的权重。目前我能够保存整个模型的权重，但无法加载大模型中嵌套模型的权重。
Big_model.summary的输出看起来像这样
Model: "model_3"_________________________________________________________________Layer (type) Output Shape Param # =================================================================input_4 (InputLayer) [(None, 128, 128, 1)] 0 _________________________________________________________________model (Model) (None, 16, 16, 512) 170369024 _________________________________________________________________model_1 (Model) (None, 128, 128, 1) 15342209 =================================================================Total params: 185,711,233Trainable params: 185,711,233Non-trainable params: 0如何查看两个内部模型的摘要，例如Big_model.inner_Model1.summary()之类的东西，或者在训练后使用Big_model.inner_Model1.save_weights()和Big_model.inner_Model2.save_weights()或在model.fit期间使用callbacks来分别保存两个内部模型的权重呢？
我得到的结果是Big_model没有名为inner_Model1的模块，请问有什么帮助吗？
PS：训练或其他方面没有问题，我可以运行训练，我使用的是Tensorflow版本的tf.keras.models.Model来创建模型。
这是我创建模型的方式
inner_Model1 = tf.keras.models.Model()inner_Model2 = tf.keras.models.Model()x = tf.keras.layers.Input(shape=IMAGE_SHAPE)Big_model = tf.keras.models.Model(x, inner_model2(inner_model1(x)))Big_model.compile(optimizer=optimizer, loss='mean_absolute_error')回答：
在您发布的摘要中，model是第一层，model_1是第二层：
Big_model.layers[1].summary() #这是inner_Model1.summary()Big_model.layers[2].summary() #这是inner_Model2.summary()您可以对它们进行任何操作。
如果您像那样创建了模型，那么直接这样做没有任何问题：
inner_Model1.save_weights(...)inner_Model2.save_weights(...)如果您在大模型之外加载权重，它也会正常工作，它会看到变化。
inner_Model1.load_weights(...)inner_Model2.load_weights(...)