Python keras合并连接失败，因为输入形状不同，即使输入形状相同

我正在尝试将4个不同的层连接到一个层中，以输入模型的下一部分。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])

出现此错误，表示我的输入形状不同。但是，我也打印了输入的形状，它似乎是相同的，除了沿着concat轴，这是形状[1]，因为形状[0]=？是批次中的示例数

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keras层的输入张量形状，该层生成l1_conv_net，如下所示：

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print语句说形状是？，6？，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

---

谢谢大家!

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_ShapeSensor以查看实际形状。顺便说一句，你发布的东西确实出了问题，因为张量的形状太奇怪了。如果使用1D卷积或RNN，Keras形状是有意义的

---

如果您的后端不是tensorflow，您可能在自定义层或lambda层中的某个位置有错误的输出形状参数

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_ShapeSensor以查看实际形状。顺便说一句，你发布的东西确实出了问题，因为张量的形状太奇怪了。如果使用1D卷积或RNN，Keras形状是有意义的

---

如果您的后端不是tensorflow，您可能在自定义层或lambda层中的某个位置有错误的输出形状参数

Keras concatenate有一些限制。维数必须相同，这就是第一张量失败的原因。通过将其重塑为None，1，62，您可以非常快速地保存它。如果要沿第一个轴合并，则所有“无”标注在计算中必须相同。从这个角度来看，似乎拥有一个无轴本身并不是一个问题

---

因此，重塑第一个张量，检查所有轴的无轴是否始终相同

Keras concatenate有一些限制。维数必须相同，这就是第一张量失败的原因。通过将其重塑为None，1，62，您可以非常快速地保存它。如果要沿第一个轴合并，则所有“无”标注在计算中必须相同。从这个角度来看，似乎拥有一个无轴本身并不是一个问题

---

因此，重塑第一个张量，检查所有轴的无轴是否始终相同

我不是一个大专家，但是在我的案例中，定义Inputshape=1,1这样的输入，而不是Inputshape=1，添加了所需的维度，合并除外。。。试着添加一个长度为1的维度。

我不是一个大的专家，但是在我的案例中，定义输入时像Inputshape=1,1，而不是这个Inputshape=1，添加了所需的维度，合并除外。。。只需尝试添加长度为1的维度。

您确定它是相同的连接层吗？似乎是另一个不同输入的concat层导致了错误，而不是您输入代码的那一个。这是同一个concat层，因为我在那一行中跟踪了行错误：这很奇怪，尽管在合并层之前的行显示形状都是一样的…甚至打印显示了不同的形状。。。使用printK.int_ShapeSensor打印正确的形状。不要打印张量，keras和tensorflow之间的对话可能有点扭曲。感谢您的帮助，我发现错误是因为自定义层使用Keras1，其中它是get_output_shape，而Keras2必须转换为compute_output_shape。再次感谢你！您确定它是同一个连接层吗？似乎是另一个不同输入的concat层导致了错误，而不是您输入代码的那一个。这是同一个concat层，因为我在那一行中跟踪了行错误：这很奇怪，尽管在合并层之前的行显示形状都是一样的…甚至打印显示了不同的形状。。。使用printK.int_ShapeSensor打印正确的形状。不要打印张量，keras和tensorflow之间的对话可能有点扭曲。感谢您的帮助，我发现错误是因为自定义层使用Keras1，其中它是get_output_shape，而Keras2必须转换为compute_output_shape。再次感谢你！你是对的。custome layer output_shape方法错误。我将类层中的方法从get_output_shape更改为compute_output_shape，所有错误都如预期的那样！太好了：-

---

如果你认为这回答了你的问题，请把它标记为“回答”。李开卓是对的。custome layer output_shape方法错误。我将类层中的方法从get_output_shape更改为compute_output_shape，所有错误都如预期的那样！伟大：如果你认为这回答了你的问题，请把它标记为“回答”。林开卓