Короче: нет. Эти модели так не работают.
Вы можете объединить несколько моделей в одну большую, но это то же самое, что запускать их по отдельности.
Что вы делаете, могу, так это делаете прогнозы, используя несколько моделей, затем берете среднее значение этих прогнозов и используете его в качестве окончательного прогноза. Это называется "ансамблинг". Но это избыточно для использования на мобильном устройстве.
Самый простой способ: объединить их в любом инструменте, который вы использовали для обучения (TF, PyTorch, Keras), затем снова преобразовать модель. Немного сложнее: поместите их в конвейер Core ML (если это имеет смысл). Самое сложное: скопировать слои из второй модели в первую с помощью coremltools. (Я написал книгу о таких вещах.)
Как объединить несколько моделей в одну большую? У меня есть пара ортогональных классификаторов изображений, которые я хотел бы запустить в одном VNCoreMLRequest.