我正在使用Keras的Sequential API训练一个自编码器。我希望创建独立的模型来实现编码和解码功能。我知道从示例中如何使用函数式API来实现这一点，但我在使用Sequential API时找不到相关示例。以下是我的起始代码样本：
input_dim = 2904encoding_dim = 4hidden_dim = 128# 实例化模型autoencoder = Sequential()# 第一个隐藏层 autoencoder.add(Dense(hidden_dim, input_dim=input_dim, use_bias=False))autoencoder.add(BatchNormalization())autoencoder.add(Activation('elu'))autoencoder.add(Dropout(0.5))# 编码层 autoencoder.add(Dense(encoding_dim, use_bias=False))autoencoder.add(BatchNormalization())autoencoder.add(Activation('elu'))# autoencoder.add(Dropout(0.5))# 第二个隐藏层 autoencoder.add(Dense(hidden_dim, use_bias=False))autoencoder.add(BatchNormalization())autoencoder.add(Activation('elu'))autoencoder.add(Dropout(0.5))# 输出层autoencoder.add(Dense(input_dim))我知道可以使用autoencoder.layer[i]选择单个层，但我不清楚如何将新模型与一系列这样的层关联起来。我天真地尝试了以下方法：
encoder = Sequential()for i in range(0,7): encoder.add(autoencoder.layers[i])decoder = Sequential()for i in range(7,12): decoder.add(autoencoder.layers[i])print(encoder.summary())print(decoder.summary())这似乎对编码部分有效（显示了一个有效的摘要），但解码部分产生了错误：
This model has not yet been built. Build the model first by calling build() or calling fit() with some data. Or specify input_shape or batch_input_shape in the first layer for automatic build.回答：
由于中间层的输入形状（即这里指的是autoencoder.layers[7]）没有明确设置，当你将其作为第一层添加到另一个模型中时，该模型不会自动构建（即构建过程涉及为模型中的层构造权重张量）。因此，你需要显式地调用build方法并设置输入形状：
decoder.build(input_shape=(None, encoding_dim)) # 注意必须包括批次轴作为旁注，没有必要在model.summary()上调用print，因为它本身就会打印结果。
