使用tf.keras.layers.concatenate（）作为tensorflow中的自定义层

Question

我想使用tensorflow中的自定义层制作U-net。我需要使用tf.keras.layers.concatenate，这就是我的问题。为我可以在方法调用中添加到层的所有其他层输入张量。但是连接层的语法是tf.keras.layers.concatenate（输入，axis），我需要类似于tf.keras.layers.concatenate（axis）（输入）的东西，但它不起作用。有人能帮我吗？
多谢各位

我的代码是这样的：

class MyModel(tf.keras.Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.block1 = Conv2D(.....)
    self.block2 = BatchNormalization()
    ....etc.....
    self.decoder_concat = tf.keras.layers.concatenate(axis=-1) #that i need but it does not work

  def call(self, inputs):
     x = self.block1(inputs)
     x = self.block2(x)
     ....etc......
     x = self.decoder_concat([x, concatLayer]) #that i need but it does not work

Answer 1

在这里提供解决方案（答案部分），即使它出现在评论部分，也是为了社区的利益

将tf.keras.layers.concatenate更改为tf.keras.layers.Concatenate后，问题已得到解决

tf.keras.layers.Concatenate，用作连接Tensorflow中输入列表的层，其中astf.keras.layers.concatenate充当连接层的功能接口。请参阅更多详情here

请参阅下面更新的代码

class MyModel(tf.keras.Model):
  def __init__(self):
    super(MyModel, self).__init__()
    self.block1 = Conv2D(.....)
    self.block2 = BatchNormalization()
    ....etc.....
    self.decoder_concat = tf.keras.layers.Concatenate(axis=-1) #that i need but it does not work

  def call(self, inputs):
     x = self.block1(inputs)
     x = self.block2(x)
     ....etc......
     x = self.decoder_concat([x, concatLayer]) #that i need but it does not work