TensorFlow Keras从层配置重建时报错Keyword argument not understood: axis

你的操作逻辑方向没问题，但写法存在错误：tf.keras.layers.Layer是所有Keras层的基类，仅包含通用属性，不识别具体层的专属参数。从你给出的层配置可以判断，索引132的层是BatchNormalization层，axis是BatchNormalization的专属初始化参数，基类无法识别，因此触发报错。

单层层克隆+权重迁移 #

不用手动调用基类实例的from_config，直接用原层的类来加载配置即可，代码如下：

# 获取原层对象
original_layer = MCM_feature_extractor.get_layer(index=132)
# 用原层对应类的from_config方法加载配置，生成新层
cloned_layer = type(original_layer).from_config(original_layer.get_config())
# 迁移原层权重到新层
cloned_layer.set_weights(original_layer.get_weights())

批量复制多层+函数式API构建新模型 #

如果要复制多个层，直接循环处理即可，函数式API拼接示例：

# 假设你要复制索引120到140的层，输入shape和原模型输入一致
input_shape = MCM_feature_extractor.input_shape[1:]
inputs = tf.keras.Input(shape=input_shape)
x = inputs

for layer_idx in range(120, 141):
    # 逐层克隆+权重迁移
    original_layer = MCM_feature_extractor.get_layer(index=layer_idx)
    cloned_layer = type(original_layer).from_config(original_layer.get_config())
    cloned_layer.set_weights(original_layer.get_weights())
    # 函数式API拼接
    x = cloned_layer(x)

# 生成最终新模型
new_model = tf.keras.Model(inputs=inputs, outputs=x)

如果需要单独用配置重构层，也可以用Keras自带的通用反序列化方法，会自动识别层类型：

config = MCM_feature_extractor.get_layer(index=132).get_config()
# 注意deserialize需要传入包含class_name和config的字典，get_config返回的是config部分，需要补充类名
cloned_layer = tf.keras.layers.deserialize({
    "class_name": original_layer.__class__.__name__,
    "config": config
})

内容的提问来源于stack exchange，提问作者Luciano Dourado