我有一个经过训练的基于EfficientNetB0的模型，其中保存了H5格式的权重。
我想在模型之前添加一些预处理层，加载权重，并重新训练它。
如果我创建一个这样的模型：

inp = tf.keras.layers.Input(shape=[224,224,3])
noise = tf.keras.layers.GaussianNoise(stddev=10.)(inp)

feature_extractor = tf.keras.applications.EfficientNetB0(include_top=False, pooling="max")
features = feature_extractor(noise)
output1 = tf.keras.layers.Dense(100, activation="sigmoid")(features)
output2 = tf.keras.layers.Dense(10, activation="softmax")(output1)

model = tf.keras.models.Model(inp, [output1, output2])

我得到这样的总结：

Layer (type)                 Output Shape              Param #   
=================================================================
input_27 (InputLayer)        [(None, 224, 224, 3)]     0         
_________________________________________________________________
gaussian_noise_13 (GaussianN (None, 224, 224, 3)       0         
_________________________________________________________________
efficientnetb0 (Functional)  (None, 1280)              4049571   
_________________________________________________________________
dense (Dense)                (None, 100)               128100    
_________________________________________________________________
dense_1 (Dense)              (None, 10)                1010

并且无法访问中间层。我不能使用tf.keras.Sequential方法，因为我的模型有两个输出。
我想保留EfficientNetB0中的图层名称，以便重新加载权重。该如何操作？