Python Tenserflow自定义图层输入不'；行不通

我需要为我的模型创建自定义图层。代码如下：

class Custom_layer_2(keras.layers.Layer):
    def __init__(self, input_neurons_nmber, nn_neurons_number, connections_matrix, inputs_neurons):
        super(Custom_layer_2, self).__init__()
        self.cn = tf.dtypes.cast(tf.constant(connections_matrix),tf.float32)
        self.inputs_neurons = tf.dtypes.cast(tf.constant(inputs_neurons), tf.float32)
        self.nn_neurons_len = nn_neurons_number
        self.inpt_neurons_len = input_neurons_nmber
        self.w = self.add_weight(shape=([self.inpt_neurons_len+self.nn_neurons_len]), initializer="random_normal", trainable=True)
        self.b = self.add_weight(shape=([self.nn_neurons_len]), initializer="zeros", trainable=True)

    def call(self, inputs_nn_neurons):
        self.input_matrix = tf.repeat([tf.concat([self.inputs_neurons, inputs_nn_neurons], 0)], repeats=self.nn_neurons_len, axis=0)
        return tf.concat([self.inputs_neurons, inputs_nn_neurons], 0)

当我使用某种形状的预定义张量作为输入时，它工作得非常好：

nn_layer = Custom_layer_2(inputs_number, nn_number, conections_matrix, first_input_neurons)
input_tensor = [SOME TENSOR]
layer_1 = nn_layer(input_tensor)

不幸的是，为了创建一个模型并对其进行训练，我需要指定一个输入，所以当我使用输入层而不是确切的张量时，由于某种原因，代码不起作用：

nn_layer = Custom_layer_2(inputs_number, nn_number, conections_matrix, first_input_neurons)
inputs_layer = tf.keras.Input(shape=(SOME SHAPE,))
layer_1 = nn_layer(inputs_layer)

---

此代码抛出值错误：形状必须为秩1，但为秩2。据我所知，当我使用tf.keras.Input时，它会创建一个形状张量（九，一些形状），而如果我使用精确张量，它的形状是指定的。在这种情况下，如果a想创建一个带有自定义层的模式，我该怎么办？

传递给

tf.keras.Input

的形状可能不包括批量大小（第一维度）@danil kutny我已经试着调试过了，但我无法理解此代码需要什么数据。请在脚本中为变量添加一些值，例如

输入\u编号

，

某些形状

，

第一个\u输入神经元

，等等。例如

np.zero（5,2）

或任何预期形状。这将真正有助于再现您的错误，并使您的客户层清楚地了解您的客户层在做什么；形状：724；第一输入神经元：[0,1，…，722723]；