我之前没有使用过Keras，现在在考虑是否要使用它。

我想保存一个训练好的层，以便以后使用。例如：

1. 我训练了一个模型。
2. 然后，我得到了一个训练好的层 t_layer。
3. 我有另一个需要训练的模型，其中包含 layer1、layer2、layer3 这些层。
4. 我想使用 t_layer 作为 layer2，并且不更新这个层（即 t_layer 不再学习）。

这可能是一个奇怪的尝试，但我很想试试。在Keras中这是可能的吗？

回答：

是的，这是可能的。

你可能需要保存层的权重和偏置，而不是保存层本身，但这是可以做到的。

Keras还允许你保存整个模型。

假设你有一个名为 model 的变量模型：

weightsAndBiases = model.layers[i].get_weights()

这是一个numpy数组的列表，很可能包含两个数组：权重和偏置。你可以简单地使用 numpy.save() 来保存这两个数组，然后你可以创建一个类似的层并为其设置权重：

from keras.layers import *from keras.models import Modelinp = Input(....)    out1 = SomeKerasLayer(...)(inp)  out2 = AnotherKerasLayer(....)(out1).... model = Model(inp,out2)#以上是创建模型的常规过程    #假设第二层是你想要的层（你也可以使用名称）    weights = numpy.load(...path to your saved weights)    biases = numpy.load(... path to your saved biases)model.layers[2].set_weights([weights,biases])

你可以使层不可训练（必须在模型编译之前完成）：

model.layers[2].trainable = False    

然后你编译模型：

model.compile(.....)    

这样，你就得到了一个模型，其中一个层是不可训练的，并且其权重和偏置由你定义，来自其他地方。