Python Keras-连接两个相同的第1维和第3维输入，但不同的第2维输入

我正在创建一个函数式API keras模型，以回归和预测基于两个混合数据输入的数值

该网络由两个模型组成，其输出拟串联并输入到另一个模型中，该模型将输出最终值与预测值进行比较

我的（未完成的）代码如下所示：

def categorical_model():
    inputA = Input(shape=(3, 1329, ))
    x = Dense(8, activation='relu')(inputA)
    x = Dense(4, activation='relu')(x)
    return Model(inputs=inputA, outputs=x)

def continuous_model():
    inputB = Input(shape=(1329, 2))
    y = Dense(64, activation="relu")(inputB)
    y = Dense(32, activation="relu")(y)
    y = Dense(4, activation="relu")(y)
    return Model(inputs=inputB, outputs=y)

cat = categorical_model()
con = continuous_model()

catcon_list = [cat.output, con.output]
concatenated = concatenate(catcon_list, axis=0, name = 'concatenate')

concatenated = Dense(2, activation='softmax')(concatenated)

merged =  Model(input=[cat.input,
                    con.input],
             output=concatenated)

merged.summary()

该代码会导致

ValueError

，如下所示：

ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 3, 4), (None, 1329, 4)]

这些输入可以连接起来吗？如何将轴更改为第二个维度？

这应该可以：

concatenated = Concatenate(axis=1)(catcon_list)

merged = Model([cat.input,
                con.input],
               concatenated)

---

数据的形状是什么？A=（31329，），B=（1329，）@MarcoCerliani您能在（1329,3，）中转置A吗？此代码导致类型错误：

TypeError:（'Keyword argument not understanding:'，'input'）

第102行

merged=Model（input=[cat.input，

还有一个错误：您使用“input”而不是“inputs”调用模型-请参见我的编辑