あるmodelから別のmodelへの入力　想定はConditinal GAN

reuse_model.py

# 前提1
def generator_model():
  input_layer = Input(shape=(100))
  # ~~~~
  output_layer = Activation('tanh')(layer_x)
  return model = Model(input_layer, output_layer) # shape=(batchN,28,28,1)
  
# 前提2
def discriminator_model():
  input_layer = Input(shape=(28, 28, 11))
  # ~~~~
  output_layer = Dense(1, activation="sigmoid")(layer_x)
  return Model(input_layer, output_layer) # shape=(1)
  
# この時、generator_modelの出力を加工してdiscriminator_modelへ入力するようなモデルを作りたい
def conbined_model(gen_model, dis_model):
  out_gen = gen_model(input_gen)  # こんな感じでmodelに対し()をつけて呼び出せばOK // shape=(batchN,28,28,1)
  input_dis = Concatenate(axis=3)([out_gen, input_label]) # 出力を加工 // shape=(batchN,28,28,11)
  out_dis = dis_model(input_dis) 
  return Model([input_gen, input_label], out_dis) # 入力を複数受け取る場合はこんな感じの指定

# usage
gen_model = generator_model()
dis_model = discriminator_model()
cgan_model = conbined_model(gen_model, dis_model)

# Xn,ynは学習用のデータとして定義済みの想定
dis_model.train_on_batch(X1, y1)
cgan_model = conbined_model([X2_1,X2_2], y2)