模型删除层后重建

1. Sequential与Functional API的差异‌

   • ‌Sequential模型‌：层按顺序堆叠，直接删除中间层可能导致后续层输入形状不匹配。
   • ‌Functional API‌：需显式定义输入和输出张量，仅删除层不会自动调整后续层的连接关系。

‌若需删除模型的最后一层并重建模型，可按以下步骤操作：

1. ‌移除指定层‌

   model.layers.pop()  # 移除最后一层
   

2. ‌创建新模型‌
   显式指定新输出层（例如原倒数第二层的输出作为新输出）：

   from tensorflow.keras.models import Model
   new_output = model.layers[-1].output  # 假设移除最后一层后，原倒数第二层为新输出层
   new_model = Model(inputs=model.input, outputs=new_output)

3. ‌重新编译模型（可选）‌
   若需训练新模型，需重新编译：

   new_model.compile(optimizer='adam', loss='mse')
   

‌其他注意事项‌

• ‌固定层训练状态‌：若需冻结部分层而非删除，可通过设置layer.trainable = False实现。
• ‌获取中间层输出‌：若需提取中间层输出，建议通过新建子模型实现，而非修改原模型结构。

‌示例代码‌

from tensorflow.keras.layers import Dense, Input
from tensorflow.keras.models import Model# 原始模型
input_tensor = Input(shape=(10,))
hidden = Dense(100, activation='relu')(input_tensor)
out = Dense(10, activation='softmax')(hidden)
model = Model(input_tensor, out)
model.summary()# 移除最后一层并重建
model.layers.pop()
new_out = model.layers[-1].output
new_model = Model(inputs=model.input, outputs=new_out)
new_model.summary()

通过显式重建模型，可确保删除操作生效。