我将Keras CNN模型M分成两部分：特征提取器E（X）和预测器P（Y）。 Extractor根据图像计算要素图，预测器根据这些要素图进行预测。这基本上是通过最后一个转换层分割网络。
现在，我需要添加一些操作在E 之后，在P 之前：E' = f(E(X))，P'=P(g(Y))。
到目前为止，我一直在使用K.function()将模型拆分为两个函数。
E = K.function(M.inputs, [M.get_layer('last_conv').output])
P = K.function([M.get_layer('following_layer').input], M.outputs)
如何构造计算f（E（X））和P（g（Y））的函数？
另一个问题：我可以使用Model类吗？ f（E（X））似乎很容易，但P（g（Y））怎么样？问题相当于将一些图层插入到预训练模型中，然后将其拆分为两个函数。