如何在Keras中垂直堆叠已训练模型？两模型输出1与输入2形状一致

没问题！你说的“垂直堆叠”其实就是把两个模型串联起来——让模型1的输出直接作为模型2的输入，形成一个端到端的新模型。既然你已经确认模型1的输出形状和模型2的输入形状完全匹配，这个操作在Keras函数式API里非常简单，具体步骤如下：

步骤1：准备好你的训练模型 #

假设你已经加载了两个训练完成的模型，分别命名为model1和model2。如果是从文件加载的（比如用load_model()），确保加载过程正常（不需要额外设置compile=False，除非你不想保留原模型的编译配置）。

步骤2：用函数式API串联模型 #

直接利用Keras的函数式API，把模型1的输出接入模型2的输入：

# 如果是原生Keras
from keras.models import Model
# 如果是TensorFlow Keras（tf.keras）
# from tensorflow.keras.models import Model

# 获取模型1的输入层作为新模型的输入
input_tensor = model1.input

# 让模型1处理输入，得到输出后传入模型2
x = model1.output
x = model2(x)

# 构建最终的串联模型
combined_model = Model(inputs=input_tensor, outputs=x)

步骤3：验证与使用 #

• 你可以打印新模型的结构，确认两个模型已经成功串联：

combined_model.summary()

• 如果需要继续训练这个新模型，可以重新编译它（根据你的任务需求调整优化器、损失函数等）：

combined_model.compile(
    optimizer='adam',
    loss='categorical_crossentropy',  # 根据你的任务替换成对应损失
    metrics=['accuracy']
)

• 要是只用于推理，直接调用combined_model.predict()就可以了。

注意事项 #

• 串联时，Keras会自动复用两个模型已训练好的权重，不用担心权重丢失。
• 如果模型2原本有自己的输入层，调用model2(x)时会自动忽略原输入层，改用传入的x作为输入，完全符合我们的需求。

内容的提问来源于stack exchange，提问作者Manipal King