在另一个 model 中训练 Tensorflow model

Question

我目前正在研究一个 Tensorflow 项目，我想在另一个 model（model_2）中使用一个 model（model_1）。 我还想训练内部使用的 model 的权重。 我使用 tf.map_fn() 将当前数据从 model_2 馈送到 model_1。 一切正常，但如果我调用 model_2.fit(x, y)，那么 model_1 的权重不会改变。 我怎样才能做到这一点？

此代码显示一般过程：

import tensorflow as tf
from tensorflow.keras import layers, losses, optimizers, Model, initializers
from tensorflow.python.framework.ops import disable_eager_execution
disable_eager_execution()

def model_1(input_dimensions=10):
    input = layers.Input(batch_shape=(None, None, input_dimensions), dtype="float32")

    output = tf.reduce_sum(input, keepdims=True)

    model = Model(inputs=input, outputs=output)
    model.compile(loss=losses.MSE, optimizer=optimizers.Adam(learning_rate=1e-5), metrics=[])
    model.summary()
    return model

def model_2(other_model, input_dimension=10):
    input = layers.Input(batch_shape=(None, None, None, input_dimension), dtype="float32")

    scores = tf.map_fn(other_model, input)

    reshaped = tf.squeeze(scores, [3])

    output = do_some_other_ops(reshaped)

    model = Model(inputs=[input], outputs=output)
    model.compile(loss=custom_loss, optimizer=optimizers.Adam(learning_rate=1e-5), metrics=[])
    model.summary(line_length = 150)
    return model

high_value = tf.constant(2, dtype="float32")

def custom_loss(y_actual, y_predicted):
    return tf.reduce_sum(tf.square(tf.subtract(y_actual, tf.broadcast_to(high_value, tf.shape(y_actual)))))

if __name__ == '__main__':
    m = model_1()
    model_2 = model_2(m)
    model_2.fit(x, y)