Python Keras错误：密集层3的输入0与层不兼容：：预期最小值ndim=2，发现ndim=1。收到完整表格：[16]

我想比较两个由特征向量表示的图像。为此，我使用了一些现有的暹罗神经网络代码，最后一部分计算两个特征向量的绝对差异，然后给出一个相似性分数（使用sigmoid函数）

因此，我尝试调整代码，以下是我得到的：

# Add a customized layer to compute the absolute difference between the encodings
L1_layer = tensorflow.keras.layers.Lambda(lambda tensors:K.abs(tensors[0] - tensors[1]), output_shape=(1,16))
L1_distance = L1_layer(K.constant(vectors(x_train, 0)))

# Add a dense layer with a sigmoid unit to generate the similarity score
prediction = Dense(1,activation='sigmoid', bias_initializer=initializers.Constant(0.1))(L1_distance)

# Connect the inputs with the outputs
siamese_net = Model(inputs= keras.layers.Input(shape=(2, 16)),outputs=prediction)

函数向量（x_列，0）计算包含两个特征向量的numpy数组（每个特征向量也是长度为16的数组，因此函数的最终结果是[[vector1]，[vector2]]）

当我执行代码时，我在创建致密层的那一行遇到以下错误：

ValueError: Input 0 of layer dense_3 is incompatible with the layer: : expected min_ndim=2, found ndim=1. Full shape received: [16]

我真的不明白，因为我已经明确指定了Lambda层的输出大小是（1,16），它有两个密度层所期望的维度

谢谢你的帮助