Python Tensorflow值错误：操作数无法与形状（5、5、160）（19、19、80）一起广播

我正在创建一个CNN，第一个隐藏层的大小为80，其余的conv层的大小为160，最后一个隐藏层的大小为128。但我不断地遇到一条错误消息，我真的不知道它是什么意思。输入数据的形状是（80，80，1），这是我输入到神经网络的

以下是创建CNN的代码：

    if start_model is not None:
        model = load_model(start_model)
    else:
        def res_net_block(input_layers, conv_size, hm_filters, hm_strides):
            x = Conv2D(conv_size, kernel_size=hm_filters, strides=hm_strides, activation="relu", padding="same")(input_layers)
            x = BatchNormalization()(x)
            x = Conv2D(conv_size, kernel_size=hm_filters, strides=hm_strides, activation=None, padding="same")(x)
            x = Add()([x, input_layers])  # Creates resnet block
            x = Activation("relu")(x)
            return x

        input = keras.Input(i_shape)
        x = Conv2D(80, kernel_size=8, strides=4, activation="relu")(input)
        x = BatchNormalization()(x)

        for i in range(3):
            x = res_net_block(x, 160, 4, 2)

        x = Conv2D(160, kernel_size=4, strides=2, activation="relu")(x)
        x = BatchNormalization()(x)

        x = Flatten(input_shape=(np.prod(window_size), 1, 1))(x)

        x = Dense(128, activation="relu")(x)

        output = Dense(action_space_size, activation="linear")(x)

        model = keras.Model(input, output)

        model.compile(optimizer=Adam(lr=0.01), loss="mse", metrics=["accuracy"])

---

顺便说一句，错误消息位于代码中的

x=Add（）（[x，input\u layers]）

如果使用

kernel\u size

>1和

strips

>1进行卷积，则输出的维度将小于输入

例如：

Conv2D(filters=6, kernel_size=5, stride=2)

将获取维度

（32,32,1）

的输入，并给出维度

（28,28,6）

的输出。 如果尝试将其添加到样式快捷方式块中，则会出现问题，因为不清楚如何添加到不同维度的张量

有几种方法可以解决这个问题

• 不要减少卷积的维数（保持步幅=1）
• 使用1x1卷积内核减小快捷方式块的大小，其步长与

  Conv2D

• 将快捷方式块的输出通道数更改为 与

  Conv2D