Python 神经网络失配中的输入输出形状

我从上面的代码中得到了更为奇怪的行为。 当我每次训练一个示例时，计算的输出形状显示batchsize为2。最重要的是，在我的自定义层调用方法中，我有一个权重矩阵[4000,10]，所以你可以预期下一层应该有10个神经元。然而，尽管我添加了多个custo层，每个层都有一个矩阵[4000,10]，因此每个层都希望输入[14000]而不是[1,10]，但Network仍能成功地执行fp

除此之外，我的compute\u output\u shape方法似乎不会影响它，只要它的形式是（x，x），其中两者都是相同的数字。请你帮忙

def call(self, y):

            self.y=y
            self.z=self.y

            self.z= tf.cast(self.z, tf.int32)
            self.z=tf.reshape(self.z,[1,4000])
            self.h= tf.constant([1,10], tf.int32)

            self.z=tf.tile(self.z,self.h)

            self.ks2 =  tf.Variable(tf.reshape((tf.gather((tf.reshape(self.ks, [-1])),(self.z))), (4000, 
                              10)),trainable=True)

            self._trainable_weights = [self.ks2]
            self.y= tf.cast(self.y, tf.float64)
            self.y=tf.reshape(self.y,[1,4000])





            return K.dot(self.y,self.ks2)

    def compute_output_shape(self, input_shape):
        return (200,200)