Python 3.x ValueError：维度必须相等，但对于'；为2和0；损失/辍学(1)损失/转学(x27)；（op:'；Sub'；）具有以下输入形状：[？，2,1]，？，0,1]

我是新来的深度学习者。我的代码中发生了什么 我将发布代码和错误 我想做resnet+triple-loss

ValueError：尺寸必须相等，但输入形状为[？，2,1]，？，0,1]的“丢失/丢失\u 1\u丢失/子”（op:“子”）的尺寸为2和0

#定义模型-----------------------------------------
输入尺寸=X1。形状[1:]
#打印（输入尺寸）
输入a=输入（形状=输入尺寸）#
输入b=输入（形状=输入尺寸）
输入c=输入（形状=输入尺寸）
模型a=resnet50.resnet50（weights=“imagenet”，包括：top=True，input\u tensor=input\u a）
模型=resnet50.resnet50（weights=“imagenet”，包括：top=True，input\u tensor=input\u b）
模型c=resnet50.resnet50（weights=“imagenet”，包括：top=True，input\u tensor=input\u c）
对于模型_a.层中的层：
如果（layer.name！=“fc1000”）：
layer.trainable=错误
layer.name=layer.name+“\u 1”
对于模型层中的层：
如果（layer.name！=“fc1000”）：
layer.trainable=错误
layer.name=layer.name+“\u 2”
对于模型层中的层：
如果（layer.name！=“fc1000”）：
layer.trainable=错误
layer.name=layer.name+“\u 3”
共享的\u fc1000=模型\u a.get\u层（'fc1000\u 1'）
#重量转移
a=模型a.获取层（“平均池1”）.输出
b=模型获取层（“平均池2”）。输出
c=模型c.获取层（“平均池3”）。输出
已处理\u a=共享\u fc1000（a）
已处理\u b=共享\u fc1000（b）
已处理\u c=共享\u fc1000（c）
正距离=λ（欧几里德距离，输出形状=欧几里德距离，输出形状）（[processed_a，processed_b]）
负距离=λ（欧几里德距离，输出形状=欧几里德距离，输出形状）（[processed_a，processed_c]）
堆叠距离=λ（
lambda向量：K.堆栈（向量，轴=1），
输出\u形状=eucl\u距离\u输出\u形状
)（[正区，负区]）
模型=模型（[输入a、输入b、输入c]，输出=辍学（0.25）（堆叠距离））
model.summary（）
rms=RMSprop（）
compile（loss=triplet\u loss，optimizer=rms）