我在Keras有一个训练有素的模型，我希望转换为Tensorflow . 在这个经过预先训练的Keras网中，一些层实际上被定义为一个子模型，它在几个场合中将来自主模型的其他层作为输入（每个场合获得一个不同的层作为输入）并通过同一系列的内部层动作 .

是否有可能在Tensorflow中创建这样的子图，从主图中获取张量并使用子模型返回与Keras相同的输出？

我试图实现的子图是从 tf.placeholder 构建的，作为根据预期形状定义的第一层，dtype作为其输入张量 .

尝试失败的尝试之一是尝试在主图和子图之间进行连接，如下所示：

main_graph_out, = tf.import_graph_def(main_graph, 
                                         return_elements=[layer_name_as_input_to_sub_graph]])

sub_graph_out, = tf.import_graph_def(submodel_graph, input_map={first_sub_graph_layer_name: main_graph_out},
                                         return_elements=[last_sub_graph_layer_name])

但由于以下原因导致失败： ValueError: Requested return tensor 'P3' not found in graph def

（P3是我希望输入子图的主图层的名称）

我会感激任何帮助...非常感谢 .

python tensorflow keras