假设我构建了一个这样的嵌套模型：

from keras.models import Sequential, Modelfrom keras.layers.core import Input, Densemodel_1 = Sequential()model_1.add(Dense(...))model_1.add(Dense(...))input_2 = Input(...)output_2 = Dense(...)(input_2)model_2 = Model(inputs=input_2, outputs=output_2) model = Sequential()model.add(model_1)model.add(model_2)

如何将这个模型递归地转换为一个“扁平”的模型，使其不包含任何Model或Sequential层？

由于model_1和model_2可能已经提前训练过，因此在转换过程中应保留这些参数。

回答：

我遇到过类似的问题，并且找到了一个可行的解决方案，但这看起来并不优雅。

基本思路是遍历子模型的层，并逐个将它们添加到整体模型中，而不是将整个子模型添加进去。

model = Sequential()for layer1 in model1.layers:    model.add(layer1)for layer2 in model2.layers:    model.add(layer2)

如果模型中已经包含了嵌套模型，可以通过以下方式遍历它们：

model_flat = Sequential()for layer_nested in model.get_layer('nested_model').layers:    model_flat.add(layer_nested)