在TensorFlow中，可以通過使用`tf.keras.models.Model`類的`tf.keras.models.Model`來合并多個模型。以下是一個簡單的示例，演示如何將兩個模型合并為一個模型：

```python

import tensorflow as tf

# 創建第一個模型

input1 = tf.keras.layers.Input(shape=(10,))

x1 = tf.keras.layers.Dense(64, activation='relu')(input1)

output1 = tf.keras.layers.Dense(2, activation='softmax')(x1)

model1 = tf.keras.models.Model(inputs=input1, outputs=output1)

# 創建第二個模型

input2 = tf.keras.layers.Input(shape=(5,))

x2 = tf.keras.layers.Dense(32, activation='relu')(input2)

output2 = tf.keras.layers.Dense(2, activation='softmax')(x2)

model2 = tf.keras.models.Model(inputs=input2, outputs=output2)

# 合并兩個模型

combined_output = tf.keras.layers.Concatenate()([model1.output, model2.output])

combined_model = tf.keras.models.Model(inputs=[model1.input, model2.input], outputs=combined_output)

# 編譯模型

combined_model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 訓練模型

combined_model.fit([input_data1, input_data2], y)

```

在這個示例中，我們首先創建了兩個獨立的模型`model1`和`model2`，然后使用`tf.keras.layers.Concatenate()`將它們的輸出合并為一個輸出，最后創建一個新的模型`combined_model`。您可以根據自己的需求自定義合并層的方式，比如使用`tf.keras.layers.Add()`、`tf.keras.layers.Multiply()`等。最后，編譯和訓練合并后的模型，就可以同時使用兩個模型的輸入來進行訓練了。