Python 集成模型不'；t采用与其子模型相同的输入

为了减少方差，我在训练/测试期间使用了3个模型进行预测

test\u restorated=test\u restorated.restorated（len（test\u restorated），1，1）
预测1=模型1.预测（测试重塑，批量大小=批量大小）
forecast2=模型2.预测（测试重塑，批量大小=批量大小）
forecast3=模型3.预测（测试重塑，批量大小=批量大小）
模型1.save（'lstm_模型1.h5'）
model2.save（'lstm_model2.h5'））
模型3.save（'lstm_模型3.h5'）

然后，为了将来使用，我创建了一个集合模型，使用下面的函数对3进行平均：

models=list（）
nb_模型=3
对于范围内的i（nb_型号）：
模型=负荷模型（“lstm模型”+str（i+1）+.h5”）
model_tmp.name=“model_”+str（i+1）
models.append（model_tmp）
def创建_集成（模型、模型输入）：
#接收所有模型的所有输出
outModels=[模型中模型的模型（模型输入）]
#计算所有结果的平均值
outAvg=层平均值（outModels）
#合并为一个模型
modelMerge=Model（输入=Model\u输入，输出=outAvg，name='employee'）
返回模型合并
模型输入=输入（形状=模型[0]。输入形状[1:]
modelEns=创建集合（模型、模型输入）
modelEns.summary（）
modelEns.save（'ensemble_model.h5'））

当我加载集合模型并在具有相同形状的相同数据上使用它时：

test\u restorated=test\u restorated.restorated（len（test\u restorated），1，1）
forecast1=模型。预测（测试重塑，批量大小=批量大小）

我得到一个错误： 您必须为占位符张量'lstm_2_input'输入一个值，该值带有数据类型float和shape[1,1,1] [{{node lstm_2_input}]]

函数生成3个子模型：

#模型
def拟合lstm（序列、批次大小、nb_历元、nb_神经元）：
十、 y=列车[：，0:-1]，列车[：，-1]
X=X.重塑（X.形状[0]，1，X.形状[1]）
模型=顺序（）
添加（LSTM（nb_神经元，批次输入_形状=（批次大小，X.shape[1]，X.shape[2]），stateful=True））
模型.添加（密度（1））
compile（loss='mean\u squared\u error'，optimizer='adam'）
对于范围内的i（nb_历元）：
model.fit（X，y，epochs=1，batch\u size=batch\u size，verbose=0，shuffle=False）
model.reset_states（）
回归模型

三种型号的概述：

层（类型）输出形状参数
=================================================================
lstm_1（lstm）（1,1）12
_________________________________________________________________
稠密的（1，1）2
=================================================================

集合模型概述：

_________________________________________________________________________________________________
层（类型）输出形状参数#连接到
==================================================================================================
输入_1（输入层）（无，1，1）0
__________________________________________________________________________________________________
模型_1（顺序）多个14输入_1[0][0]
__________________________________________________________________________________________________
模型_2（顺序）多个14输入_1[0][0]
__________________________________________________________________________________________________
模型_3（顺序）多个14输入_1[0][0]
__________________________________________________________________________________________________
平均值1（平均值）（无，1）0型号1[1][0]
型号2[1][0]
型号3[1][0]
==================================================================================================

您可以发布模型（模型1、模型2和模型3）定义吗？我在一个虚拟模型上尝试了相同的代码，效果很好。希望这能让sens:Layer（type）Output Shape Param#===========================================================================================================================================================================================================================================================================================================================================================================（1,1）12 uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu2============================================================================================================如果您编辑问题并添加生成模型的代码，可能会更好。我刚刚用所有详细信息更新了问题扫描您发布的模型（模型1、模型2和模型3）定义？我在一个虚拟模型上尝试了相同的代码，效果很好。希望这能让sens:Layer（type）Output Shape Param#===========================================================================================================================================================================================================================================================================================================================================================================（1,1）12 uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu2==========================================================================================================如果您编辑问题并添加代码以生成模型，可能会更好。我刚刚用所有详细信息更新了问题