Tensorflow 创建自定义激活时出错，该激活使用keras减小通道大小

我用keras创建了一个自定义激活函数，它将通道大小减少了一半（最大功能映射激活）

下面是代码的一部分：

import tensorflow as tf
import keras
from keras.utils.generic_utils import get_custom_objects
from keras.models import Sequential
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D, Activation

def MyMFM (x):
    Leng = int(x.shape[-1])
    ind1=int(Leng/2)   
    X1=x[:,:,:,0:ind1]
    X2=x[:,:,:,ind1:Leng]
    MfmOut=tf.maximum(X1,X2)
    return MfmOut

get_custom_objects().update({'MyMFM ': Activation(MyMFM)})

model = Sequential()
model.add(Conv2D(32, kernel_size=(5, 5),strides=(1, 1), padding = 'same',input_shape = (513,211,1)))
model.add(Activation(MyMFM))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Conv2D(48, kernel_size=(1, 1),strides=(1,  1 ), padding = 'same'))

编译此代码时，出现以下错误：

 number of input channels does not match corresponding dimension of filter, 16 != 32 

此错误来自最后一行代码。激活后，通道长度从32缩短到16。但下一层会自动将通道长度视为32（第一层中的滤波器数量）而不是16。我尝试在第二个卷积层中添加input_shape参数，以将输入形状定义为（513211,16）。但这也给了我同样的错误。激活后，我应该如何将张量的形状传递到下一层

谢谢

因此-根据文档，您可能会看到

keras

引擎会自动将层的输出形状设置为与其输入形状相同

---

改用图层。

为什么要使用

激活

。我会尝试

Lambda

，因为

Activation

可能无法更改输出的形状。很抱歉@MarcinMożejko，我删除了我的答案。