在Keras中连接两个不同形状的张量

在下图中，我有两个不同的张量：张量1和张量2

如何合并（连接）这两个张量，使LSTM的输入现在为：
（张量1[0]，张量1，串联（张量1[2]，张量2））

---

不可能将它们连接起来

你需要以某种方式操纵、转换它们。 我能想到的最合乎逻辑的事情是重复张量2六次，以填充它没有的时间步长

如果这是确定的（将张量2转换为6个恒定步骤的序列），则解决方案为：

tensor2Repeated = RepeatVector(6)(tensor2)
tensor = Concatenate()([tensor1,tensor2Repeated])

---

减少冗余不是更好吗？只需将第二个张量复制3次，即可产生与第一个张量相同的信息量，然后只需重新塑造。要连接任意数量的张量，只需计算每个张量的大小减去最后一个轴（乘以最后一个轴之前的所有轴即可得到大小），找到最大张量m，然后按上限（m.size/x.size）向上采样或重复每个张量x。然后，您只需使用与m相同的轴来重塑每个轴，但最后一个轴除外，您可以计算该轴，也可以使用-1隐式计算框架

tensor2Repeated = RepeatVector(3)(tensor2)
tensor2Reshaped = reshape(tensor2Repeated, (32, 6, 1))
tensor = Concatenate()([tensor1,tensor2Reshaped])

---

不可能按原样连接它们。你必须操纵它们。那么，你打算如何填充张量2中不存在的6个时间步呢？复制张量2六次？好像你有一个连续的6个步骤？这就是我想要的。Thank.BTW，Concatenate（）是来自numpy、tf.concat还是keras层？

Concatenate

是来自keras层还是keras层：

keras.layers.Concatenate