在Keras中的层之间添加计算

Question

我将Keras-CNN模型M分为两部分：特征抽取器E（X）和预测器p（Y）。提取器从图像中计算特征映射，预测器从这些特征映射中进行预测。这基本上就是用最后一个conv层来分割网络。你知道吗

现在，我需要在E之后和p之前添加一些操作：E' = f(E(X))，P'=P(g(Y))。你知道吗

到目前为止，我一直在使用K.function()将模型分成两个函数。你知道吗

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？你知道吗

另一个问题：我可以用模型类来做这个吗？f（E（X））看起来很简单，但是P（g（Y））呢？该问题相当于在预训练模型中插入一些层，然后将其分解为两个函数。你知道吗