我有一个训练好的模型，我已经导出了权重，并希望部分加载到另一个模型中。我的模型是使用TensorFlow作为后端在Keras中构建的。

目前我正在这样做：

model = Sequential()model.add(Conv2D(32, (3, 3), input_shape=input_shape, trainable=False))model.add(Activation('relu', trainable=False))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Conv2D(32, (3, 3), trainable=False))model.add(Activation('relu', trainable=False))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Conv2D(64, (3, 3), trainable=True))model.add(Activation('relu', trainable=True))model.add(MaxPooling2D(pool_size=(2, 2)))model.add(Flatten())model.add(Dense(64))model.add(Activation('relu'))model.add(Dropout(0.5))model.add(Dense(1))model.add(Activation('sigmoid'))model.compile(loss='binary_crossentropy',              optimizer='rmsprop',              metrics=['accuracy'])model.load_weights("image_500.h5")model.pop()model.pop()model.pop()model.pop()model.pop()model.pop()model.add(Conv2D(1, (6, 6),strides=(1, 1), trainable=True))model.add(Activation('relu', trainable=True))model.compile(loss='binary_crossentropy',              optimizer='rmsprop',              metrics=['accuracy'])

虽然这种方法有效，但我确定这不是一个好的做法。

如何仅加载前9层的权重？

回答：

如果你的前9层在原始训练模型和新模型之间名称一致，那么你可以使用model.load_weights()并设置by_name=True。这样只会更新新模型中与原始训练模型中同名层的权重。

层的名称可以通过name关键字来指定，例如：

model.add(Dense(8, activation='relu',name='dens_1'))