Tensorflow ValueError:输入0与层conv2d_2不兼容：预期ndim=4，在Keras中发现ndim=5

我试图使用一个函数来添加层到一个非常深的CNN使用keras。以下是我的功能：

def add_layer(input_shape, kernel_size, filters, count):
    x = Conv2D(filters, (kernel_size, kernel_size), padding = 'same', activation= None)(Input(input_shape))
    x = BatchNormalization()(x) 
    x = Activation('relu')(x)
    x = Conv2D(filters, (kernel_size, kernel_size), padding = 'same', activation= None)(x)
    x = BatchNormalization()(x) 
    x = Activation('relu')(x)
    return keras.layers.add([x,Input(input_shape)])

当我从以下位置调用此函数时：

x = Input(shape = (6,264,264))
y = Conv2D(64, (7, 7), padding='same', activation='relu')(x)
y = MaxPooling2D((2,2))(y)
y = add_layer(y.shape, 3, 64, 3)

它给出了以下错误：

ValueError: Input 0 is incompatible with layer conv2d_2: expected ndim=4, found ndim=5

当我删除add_layer函数并简单地终止对密集层的maxpooling时，我得到：

AttributeError: 'Tensor' object has no attribute 'ndim'

---

有什么问题吗？（另外，我的输入有50个大小为（6264264）的np数组，即（50,6264264）

非常确定您的线路

x=Conv2D（过滤器，（内核大小，内核大小），填充='same'，激活=None）（输入（输入形状））

应该是

x=Conv2D（过滤器，（内核大小，内核大小），填充='same'，激活=None）（输入（批处理形状=输入形状））

默认情况下，

ny_layer.shape

会在形状中添加一个批次大小。但是，对于

Input（Input\u shape）

而言，第一个参数假定该形状没有批大小，并向其输出中添加另一个维度。这将解释额外维度的起源