保存并从磁盘重新加载后获取 Keras 模型的（输入）层

Question

我已经通过 Keras 加载、扩展、训练了一个 VGG16 网络，然后将其保存到磁盘：

from keras.applications import VGG16
from keras import models

conv_base = VGG16(weights="imagenet", include_top=False)
model = models.Sequential()
model.add(conv_base)
...
model.compile(...)
model.fit(...)
model.save("saved_model.h5")

在另一个脚本中，我再次加载了经过训练的模型：

from keras.models import load_model

model_vgg16 = load_model("saved_model.h5")
model_fails = model_vgg16.get_layer("vgg16")
model_fails.input

最后一行导致以下异常：

AttributeError: Layer vgg16 has multiple inbound nodes, hence the notion of "layer input" is ill-defined. Use `get_input_at(node_index)` instead.

但是，当我直接对 VGG16 网络执行相同操作时，它工作正常：

from keras.applications import VGG16
from keras.models import load_model

model_works = VGG16(weights='imagenet', include_top=False)
model_works.input

最后一行不会导致错误。所以我的问题是：
如何访问已保存并重新加载的 Keras 模型的（输入）层？

Answer 1

我的方法是先打印模型所有层的名称，然后通过名称调用层。

例如：

from keras.models import load_model
model_vgg16 = load_model("saved_model.h5")
mdoel_vgg16.summary()

记下所需层的名称，然后获取层的输入或输出

layer_input = model_vgg16.get_layer('vgg16').get_layer(layer_name).input

Answer 2

将 VGG16 模型添加到您的自定义模型后，它将有两个输入节点：一个是可以使用 conv_base.get_input_at(0) 访问的原始输入节点，另一个是为您的输入创建的输入节点可以使用 conv_base.get_input_at(1) 访问的自定义模型（这实际上是模型的输入，相当于 model.input）。 Keras中节点和层的区别在.

中有详细解释