我将两个VGG网在keras中组合在一起以进行分类任务。当我运行程序时，它显示一个错误：

RuntimeError：名称“预测”在模型中使用了2次。所有图层名称应唯一。

我很困惑，因为我prediction在代码中只使用了一次图层：

from keras.layers import Dense
import keras
from keras.models import  Model
model1 = keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)
model1.layers.pop()

model2 =  keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)
model2.layers.pop()
for layer in model2.layers:
    layer.name = layer.name + str("two")
model1.summary()
model2.summary()
featureLayer1 = model1.output
featureLayer2 = model2.output
combineFeatureLayer = keras.layers.concatenate([featureLayer1, featureLayer2])
prediction = Dense(1, activation='sigmoid', name='main_output')(combineFeatureLayer)

model = Model(inputs=[model1.input, model2.input], outputs= prediction)
model.summary()

感谢@putonspectacles的帮助，我按照他的指示进行操作，找到了一些有趣的部分。如果model2.layers.pop()使用“
model.layers.keras.layers.concatenate([model1.output, model2.output])”将两个模型的最后一层结合使用，您会发现仍然使用来显示最后一层信息model.summary()。但是实际上它们不存在于结构中。因此，您可以使用model.layers.keras.layers.concatenate([model1.layers[-1].output, model2.layers[-1].output])。它看起来很棘手，但确实有效。我认为这是有关日志和结构同步的问题。