Я определил простую модель, используя функциональный API-интерфейс keras Model.Один из его слоев является полностью последовательной моделью, поэтому я получаю вложенную структуру слоев (см. Изображения ниже).
Как преобразовать эту вложенную структуру слоев в плоскую структуру слоев?(со сценарием, а не вручную ...)
Что у меня есть: 
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 32, 32, 1) 0
_________________________________________________________________
sequential_1 (Sequential) (None, 8, 8, 12) 720
_________________________________________________________________
flatten_1 (Flatten) (None, 768) 0
_________________________________________________________________
dense_1 (Dense) (None, 1) 769
=================================================================
Что я хочу преобразовать в:
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 32, 32, 1) 0
_________________________________________________________________
conv2d_1 (Conv2D) (None, 32, 32, 6) 60
_________________________________________________________________
max_pooling2d_1 (MaxPooling2 (None, 16, 16, 6) 0
_________________________________________________________________
conv2d_2 (Conv2D) (None, 16, 16, 6) 330
_________________________________________________________________
max_pooling2d_2 (MaxPooling2 (None, 8, 8, 6) 0
_________________________________________________________________
flatten_1 (Flatten) (None, 384) 0
_________________________________________________________________
dense_1 (Dense) (None, 1) 385
=================================================================
Код для создания структуры вложенного слоя:
def create_network_with_one_subnet():
# define subnetwork
subnet = keras.models.Sequential()
subnet.add(keras.layers.Conv2D(6, (3, 3), padding='same'))
subnet.add(keras.layers.MaxPool2D())
subnet.add(keras.layers.Conv2D(12, (3, 3), padding='same'))
subnet.add(keras.layers.MaxPool2D())
#subnet.summary()
# define complete network
input_shape = (32, 32, 1)
net_in = keras.layers.Input(shape=input_shape)
net_out = subnet(net_in)
net_out = keras.layers.Flatten()(net_out)
net_out = keras.layers.Dense(1)(net_out)
net_complete = keras.Model(inputs=net_in, outputs=net_out)
net_complete.compile(loss='binary_crossentropy',
optimizer=keras.optimizers.Adam(lr=0.001),
metrics=['acc'],
)
net_complete.summary()
return net_complete