自己写了个神经网络模型，能封装作为迁移学习吗？

Question

是这样的，我是先写了mnist的模型，能不能封装一下做成model然后迁移学习用来自己的模型。
我看网上都是公众的那些VGG啊 Resnet的。不知道自己的模型行不行。
如果可以的话，通过CIfar10和cifar100来做个迁移学习的例子。
自己写个例子，麻烦各位给改下

import tensorflow as tf
(x_train, y_train), (_, _) = tf.keras.datasets.cifar100.load_data()
x_train = x_train / 255.0

model = tf.keras.models.Sequential([
tf.keras.layers.Conv2D(filters=32, kernel_size=3, strides=1, input_shape=[32, 32, 3]),
tf.keras.layers.MaxPool2D(pool_size=2, strides=1),
tf.keras.layers.Conv2D(filters=64, kernel_size=3, strides=1),
tf.keras.layers.MaxPool2D(pool_size=2, strides=1),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(units=100, activation='softmax')])

model.build(input_shape=[None, 32, 32, 3])
model.summary()

model.compile(optimizer=tf.keras.optimizers.Adam(learning_rate=1e-3),
loss=tf.keras.losses.SparseCategoricalCrossentropy(),
metrics=[tf.keras.metrics.SparseCategoricalAccuracy()])

model.fit(x=x_train, y=y_train, batch_size=128, epochs=10)

model.save_weights('save_model/model.h5')

Answer 1

步骤一：构建cnn网络

步骤二：训练模型保存模型

model.fit(train_X, train_Y, n_epoch=1, shuffle=True,
                  show_metric=True, batch_size=8, snapshot_step=1000,
                  snapshot_epoch=False, run_id='alexnet_fer2013')
        acu_train = model.evaluate(train_X, train_Y)
        acu_test = model.evaluate(test_X, test_Y)

model.save(r"D:\FER2013\aaa\ffff\8-8/FCN.tfl")
 

步骤三：加载训练好的模型