由于输入形状不同，即使输入形状是sam，keras合并连接也失败

Question

我正在尝试将4个不同的层连接到一个层中，以便输入到模型的下一部分。我正在使用Keras函数API，代码如下所示。

# Concat left side 4 inputs and right side 4 inputs
print(lc,l1_conv_net,l2_conv_net,l3_conv_net)
left_combined = merge.Concatenate()([lc, l1_conv_net, l2_conv_net, l3_conv_net])

这个错误表明我的输入形状不同。但是，我也打印了输入形状，除了沿着concat轴（这是形状[1]，因为形状[0]=？是批处理中的示例数）。

Tensor("input_1:0", shape=(?, 6), dtype=float32) Tensor("add_3/add_1:0", shape=(?, 100), dtype=float32) Tensor("add_6/add_1:0", shape=(?, 100), dtype=float32) Tensor("add_9/add_1:0", shape=(?, 100), dtype=float32)

ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 6), (None, 7, 62), (None, 23, 62), (None, 2, 62)]

巧合的是，形状（None，7，62），（None，23，62），（None，2，62）是另一个自定义路缘石层的输入张量形状，该层产生如下所示的l1-conv-u网：

l1_conv_net = build_graph_conv_net_fp_only([l1x, l1y, l1z],
                                                   conv_layer_sizes=self.conv_width,
                                                   fp_layer_size=self.fp_length,
                                                   conv_activation='relu', fp_activation='softmax')

所以打印声明说这个形状是？，6），（？，100），（？，100），（？，100）但是keras merge函数将其读取为[（None，6），（None，7，62），（None，23，62），（None，2，62）]？为什么会这样？

谢谢你！

Answer 1

所以。。。。如果消息说您正在使用这些形状，则无法连接。。。。

[(None, 6), (None, 7, 62), (None, 23, 62), (None, 2, 62)] 

您可以尝试连接最后三个：

left_combined = keras.layers.Concatenate(axis=1)([l1_conv_net, l2_conv_net, l3_conv_net])

不要打印张量，打印K.int_shape(tensor)以查看实际形状。（顺便说一下，你贴的东西确实出了问题，因为张量的形状太奇怪了。如果使用一维卷积或RNN，则路缘石形状是有意义的）

如果后端不是tensorflow，那么在自定义层或lambda层中可能有错误的output_shape参数。

Answer 2

Keras连接有一些限制。维数必须相同，这就是第一个张量失败的原因。您可以通过将其重新整形为（None，162）来快速保存它。如果要沿第一个轴合并，则计算中所有“无”维度都必须相同。从source code来看，将轴设为None本身并不是问题。

因此，重塑第一个张量，并检查所有轴的“无轴”是否始终相同。