当模型的输入张量是另一个模型的输出时，Kerras 模型的定义会发生变化

Question

我需要提供model1的输出作为model2的输入。

A=keras.layers.Input(batch_shape=(3,500,500,3))
B=keras.layers.Conv2D(filters=3, kernel_size=3)(A)
model1=keras.models.Model(A,B)
C=keras.layers.Conv2D(filters=3, kernel_size=3)(B)
model2=keras.applications.vgg19.VGG19(input_tensor=B, weights='imagenet', include_top=False, pooling='avg')
#Error: You are trying to load a weight file containing 16 layers into a model with 17 layers.

如错误信息所示，keras 未能正确实现 vgg net。

一个 vgg19 网络包含 23 层（没有顶部）。但是如果输入张量是另一个模型的输出，层数就会发生变化。

vgg19_normal=keras.applications.vgg19.VGG19(input_tensor=A, weights=None, include_top=False, pooling='avg')
len(vgg19_normal.layers)
#23

vgg19_abnormal=keras.applications.vgg19.VGG19(input_tensor=B, weights=None, include_top=False, pooling='avg')
#input tensor B is the output of model1
len(vgg19_abnormal.layers)
#24

所以keras抱怨层数不相等。

Answer 1

我还是有些疑惑，比如我不明白C 是干什么用的。无论如何，这是我目前的想法：

A=keras.layers.Input(batch_shape=(3,500,500,3))
B=keras.layers.Conv2D(filters=3, kernel_size=3)(A)
model1=keras.models.Model(A,B)
C=keras.layers.Conv2D(filters=3, kernel_size=3)(B)
vgg19=keras.applications.vgg19.VGG19(weights='imagenet', include_top=False, pooling='avg')(model1.output)
model2=keras.models.Model(inputs=A, outputs=vgg19)

model2 的结果拓扑是

为了生成这张图片，我使用了keras.utils.plot_model。