假设我有两个模型，

resnet_50 = tf.keras.applications.ResNet50(weights=None,
                           input_shape=(224 , 224 , 3),
                           classes = 2)
vgg_16 = tf.keras.applications.VGG16(
weights=None,
input_shape=(224,224,3),
classes=2,
include_top=False)

现在，我想合并这两个模型，首先，我将确保第一个模型的输出形状与第二个模型的输入形状相同，因此，首先我必须做一些预处理。

model = tf.keras.Model(vgg_16.inputs , vgg_16.layers[-2].output)
model2 = tf.keras.Model(resnet_50.get_layer('conv4_block6_out').input , resnet_50.output)
input = tf.keras.layers.Input(shape=(224 , 224 , 3))
out1 = model(input)
intermediate_layer = tf.keras.layers.Conv2D(model2.inputs[0][0].shape[2] , 1 , 1 , padding='same')(out1)
out2 = model2(intermediate_layer)
f_model = tf.keras.Model(input , out2)
tf.keras.utils.plot_model(
f_model,
show_shapes=True)

现在，这是两个模型的输出形状[两个组合模型的体系结构][1] [1]：https://i.stack.imgur.com/F7H8d.png
通过执行此操作，您可以查看各个模型的摘要

f_model.layers[1].summary() #This will show the summary of the first model VGG16
f_model.layers[3].summary() #This will show the summary of the second model Resnet18

但是如果你运行f_model.summary()，这将不会显示合并的两个模型作为一个的摘要，因为在后端Keras将模型一作为功能图节点，所以它作为图的节点。