遍历预训练模型的Conv2D层

Question

我正在使用渐进式学习来建立分类模型。我首先使用vgg16权重并在最后添加一个Dense层来训练模型。

prior = keras.applications.VGG16(
    include_top=False, 
    weights='imagenet',
    input_shape=(48, 48, 3)
)
model = Sequential()
model.add(prior)
model.add(Flatten())
model.add(Dense(256, activation='relu', name='Dense_Intermediate'))
model.add(Dropout(0.1, name='Dropout_Regularization'))
model.add(Dense(2, activation='sigmoid', name='Output'))

for cnn_block_layer in model.layers[0].layers:
    cnn_block_layer.trainable = False
model.layers[0].trainable = False

我冻结了vgg图层，因此它们的权重不变。训练后，我保存了重量。

model.save('model65x65.h5')

我使用ImageDataGenerator增加了图像的尺寸，并加载了以前保存的模型权重，并定义了一个新模型

model = Sequential()
model.add(Conv2D(64, kernel_size=(3, 3), input_shape=(96, 96, 3), activation='relu', padding='same'))
model.add(Conv2D(64, kernel_size=(3, 3), input_shape=(96, 96, 3), activation='relu', padding='same'))
model.add(MaxPooling2D(pool_size=(2, 2)))

prior = load_model('./model65x65.h5')

现在我想将VGG16的除了前两层之外的所有层都添加到新模型中，剥离输入层，并使用剥离第一卷积层。

for layer in prior.layers[0].layers[2:]:
    model.add(layer)

# re-add the feedforward layers on top
for layer in prior.layers[1:]:
    model.add(layer)

# the pretrained CNN layers are already marked non-trainable
# mark off the top layers as well
for layer in prior.layers[-4:]:
    layer.trainable = False

由于VGG16中有卷积层，因此当我尝试遍历先前模型时，我总是收到此错误。

AttributeError：“ Conv2D”对象没有属性“ layers” 我该如何遍历Conv2D层？