如何使用tf.keras.Model.summary和plot_model显示子模型各层而非单个Sequential层

开发者阿泽

2026-10-6

原因说明

你在定义cnn2时将其封装为独立的tf.keras.Sequential模型，当你将这个模型作为层直接接入融合网络时，Keras默认会将其识别为单个嵌套层，因此summary和模型结构图默认不会展示其内部的独立层结构。

解决方法

方法1：仅在查看summary时展开嵌套层

调用summary时开启expand_nested参数即可打印嵌套模型的内部结构，代码如下：

model.summary(expand_nested=True)

方法2：彻底拆解嵌套层，让内部层直接作为融合模型的一部分

修改fuse_model中调用cnn2的逻辑，将cnn2返回的Sequential模型的内部层依次作用在拼接后的张量上，不需要将整个Sequential作为单个层调用，修改后的代码参考：

def fuse_model(output_channels, lrval=0.0001):
    cnn1_mel = cnn_mls(output_channels, lrval=lrval)
    cnn1_sslm = cnn_sslm(output_channels, lrval=lrval)
    combined = keras.layers.concatenate([cnn1_mel.output, cnn1_sslm.output])
    # 拆解cnn2的内部层
    cnn2_model = cnn2(output_channels, lrval=lrval)
    x = combined
    for layer in cnn2_model.layers:
        x = layer(x)
    cnn2_in = x
    opt = keras.optimizers.Adam(lr=lrval)
    model = keras.models.Model(inputs=[cnn1_mel.input, cnn1_sslm.input], outputs=[cnn2_in])
    model.compile(loss='categorical_crossentropy', optimizer=opt, metrics=['accuracy'])

    model.summary()
    if not os.path.isfile('Model_Diagram.png'):
        plot_model(model, to_file='Model_Diagram.png', show_shapes=True, show_layer_names=True, expand_nested=True)

    return model

修改后生成的模型和结构示意图都会直接显示cnn2内部的卷积、Dropout等独立层，不会再封装为单个Sequential块。