我想以下面提到的方式在Tensorflow中连接两个连续的层。
假设我的第一个模型（model 1）如下所示：

from tensorflow.keras import layers, models, Sequential
from tensorflow.keras.layers import concatenate, Add, Dense

models.Sequential([
            layers.Conv2D(32, (3, 3), activation='relu', input_shape=(32, 32, 3)),
            layers.MaxPooling2D((2, 2))
])

我的第二个模型（model 2）如下所示：

model2 = models.Sequential([
            layers.Conv2D(64, (3, 3), activation='relu'),
            layers.MaxPooling2D((2, 2)),
            layers.Conv2D(64, (3, 3), activation='relu')
])

我想连接model1和model2以获得下面的层排列。

_________________________________________________________________
Model: "sequential"
_________________________________________________________________
 Layer (type)                Output Shape              Param #   
=================================================================
 conv2d_1 (Conv2D)          (None, 30, 30, 32)        896       
                                                                 
 max_pooling2d_1 (MaxPoolin  (None, 15, 15, 32)       0         
 g2D)                                                            
                                                                 
 conv2d_2 (Conv2D)          (None, 13, 13, 64)        18496     
                                                                 
 max_pooling2d_2 (MaxPoolin  (None, 6, 6, 64)         0         
 g2D)                                                            
                                                                 
 conv2d_3 (Conv2D)          (None, 4, 4, 64)          36928     
                                                                 
=================================================================
Total params: 56,320
Trainable params: 56,320
Non-trainable params: 0
_________________________________________________________________

目前，我使用下面的代码来完成这个任务（运行良好）。但是，我想知道是否有比下面提到的for循环更优雅的解决方案。

for i in range( len( model2.layers ) ):
    model1.add(model2.layers[i])

**在Tensorflow中以上述所需方式连接model1和model2的最佳方法是什么？**这里，model1和model2只是随机挑选的两个示例。我希望该解决方案也适用于任何其他两个兼容的模型。

我试过使用tensorflow.keras.layers.Concatenate和merging of layers in Keras，但是我无法让它们工作。我也试过使用Stackoverflow中的this、this和this问题和解答。但是，我无法让它们为我工作。