Keras 在用于Q&；的LSTM Seq2Seq模型中合并两个层的问题；用例

我正试图建立一个基于的Q&a模型，但我很难将两个输入层合并到一个层中。以下是我当前的模型架构：

story_input = Input(shape=(story_maxlen,vocab_size), name='story_input')
story_input_proc = Embedding(vocab_size, latent_dim, name='story_input_embed', input_length=story_maxlen)(story_input)
story_input_proc = Reshape((latent_dim,story_maxlen), name='story_input_reshape')(story_input_proc)

query_input = Input(shape=(query_maxlen,vocab_size), name='query_input')
query_input_proc = Embedding(vocab_size, latent_dim, name='query_input_embed', input_length=query_maxlen)(query_input)
query_input_proc = Reshape((latent_dim,query_maxlen), name='query_input_reshape')(query_input_proc)

story_query = dot([story_input_proc, query_input_proc], axes=(1, 1), name='story_query_merge')

encoder = LSTM(latent_dim, return_state=True, name='encoder')
encoder_output, state_h, state_c = encoder(story_query)
encoder_output = RepeatVector(3, name='encoder_3dim')(encoder_output) 
encoder_states = [state_h, state_c]

decoder = LSTM(latent_dim, return_sequences=True, name='decoder')(encoder_output, initial_state=encoder_states)
answer_output = Dense(vocab_size, activation='softmax', name='answer_output')(decoder)

model = Model([story_input, query_input], answer_output)
model.compile(optimizer='rmsprop', loss='categorical_crossentropy')

下面是model.summary（）的输出

其中vocab_size=38，story_maxlen=358，query_maxlen=5，潜伏_dim=64，批处理大小=64

当我尝试训练这个模型时，我得到了一个错误：

要重塑的输入是一个张量，其值为778240，但请求的形状有20480

以下是这两个值的公式：

input\u to\u reforme=批量大小*潜在大小*查询大小*声音大小

请求的形状=批量大小*潜在尺寸*查询最大值

我在哪里 我相信错误消息是输入到

query\u input\u reforme

层的张量的形状是（？，5，38，64），但它期望的是形状的张量（？，5，64）（见上面的公式），但我可能在这一点上错了

当我将整形的目标形状输入更改为3D时（即

整形（（潜在大小，查询最大大小，声音大小）

），我得到错误

新数组的总大小必须保持不变
，这对我来说没有任何意义，因为输入是3D。你可能会认为
整形（（潜在大小，查询最大大小））
会给我这个错误，因为它会将三维张量转换为二维张量，但它编译得很好，所以我不知道那里发生了什么

我使用重塑的唯一原因是我需要将两个张量合并为LSTM编码器的输入。当我尝试去除重塑层时，我在尝试编译模型时只会出现维度不匹配错误。上面的模型架构至少可以编译，但我无法训练它

有人能帮我弄清楚如何合并故事输入层和查询输入层吗？谢谢！
为什么要重新塑造？这会把句子混在一起，也许你是想把
Permute
改成（？）@nuric是的，应该是Permute
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
story_input (InputLayer)        (None, 358, 38)      0                                            
__________________________________________________________________________________________________
query_input (InputLayer)        (None, 5, 38)        0                                            
__________________________________________________________________________________________________
story_input_embed (Embedding)   (None, 358, 64)      2432        story_input[0][0]                
__________________________________________________________________________________________________
query_input_embed (Embedding)   (None, 5, 64)        2432        query_input[0][0]                
__________________________________________________________________________________________________
story_input_reshape (Reshape)   (None, 64, 358)      0           story_input_embed[0][0]          
__________________________________________________________________________________________________
query_input_reshape (Reshape)   (None, 64, 5)        0           query_input_embed[0][0]          
__________________________________________________________________________________________________
story_query_merge (Dot)         (None, 358, 5)       0           story_input_reshape[0][0]        
                                                                 query_input_reshape[0][0]        
__________________________________________________________________________________________________
encoder (LSTM)                  [(None, 64), (None,  17920       story_query_merge[0][0]          
__________________________________________________________________________________________________
encoder_3dim (RepeatVector)     (None, 3, 64)        0           encoder[0][0]                    
__________________________________________________________________________________________________
decoder (LSTM)                  (None, 3, 64)        33024       encoder_3dim[0][0]               
                                                                 encoder[0][1]                    
                                                                 encoder[0][2]                    
__________________________________________________________________________________________________
answer_output (Dense)           (None, 3, 38)        2470        decoder[0][0]                    
==================================================================================================
Total params: 58,278
Trainable params: 58,278
Non-trainable params: 0
__________________________________________________________________________________________________