KERAS:预先训练了一个CNN+Dense模型。如何冻结CNN权重，并用LSTM替代Dense？

from keras.models import Model
from keras.layers import LSTM, Dense

cnn_dense_model = # 加载预先训练好的CNN+Dense模型的代码

for layer in cnn_dense_model.layers:
    if 'conv' in layer.name:  # 判断是否为卷积层
        layer.trainable = False  # 冻结卷积层权重

# 获取CNN+Dense模型的输入层
input_layer = cnn_dense_model.layers[0].input

# 获取CNN+Dense模型的输出层之前的层
output_before_dense = cnn_dense_model.layers[-2].output

# 创建LSTM层
lstm_layer = LSTM(units=...)(output_before_dense)  # 设置LSTM的参数

# 创建新模型，将CNN替换为LSTM
lstm_model = Model(inputs=input_layer, outputs=lstm_layer)

lstm_model.compile(...)  # 设置编译参数
lstm_model.fit(...)  # 设置训练参数