&引用；无法计算输出“；在Tensorflow 2中使用tf.keras合并层时出错

我试图在tf.keras中使用一个合并层，但是得到的断言错误：无法计算输出张量（“concatenate_3/Identity:0”，shape=（None，10，8），dtype=float32）。最小（非）工作示例：

import tensorflow as tf
import numpy as np

context_length = 10 

input_a = tf.keras.layers.Input((context_length, 4))
input_b = tf.keras.layers.Input((context_length, 4))

#output = tf.keras.layers.concatenate([input_a, input_b]) # same error
output = tf.keras.layers.Concatenate()([input_a, input_b])

model = tf.keras.Model(inputs = (input_a, input_b), outputs = output)

a = np.random.rand(3, context_length, 4).astype(np.float32)
b = np.random.rand(3, context_length, 4).astype(np.float32)

pred = model(a, b)

---

其他合并层（例如，

add

）也会出现同样的错误。我使用的是TF2.0.0-alpha0，但在colab上使用的是2.0.0-beta1

由于tf.keras.layers.Input的

。Tensorflow无法验证层的形状，因此失败。这将有助于：

class MyModel(tf.keras.Model):

    def __init__(self):
        super(MyModel, self).__init__()
        self.concat = tf.keras.layers.Concatenate()
        # You can also add the other layers
        self.dense_1 = tf.keras.layers.Dense(10)

    def call(self, a, b):
        out_concat = self.concat([a, b])
        out_dense = self.dense_1(out_concat)

model = MyModel()

a = np.random.rand(3, 5, 4).astype(np.float32)
b = np.random.rand(3, 5, 4).astype(np.float32)

output = model(a, b)

好吧，错误消息没有帮助，但我最终偶然发现了解决方案：
model
的输入需要是张量的一个可数，即

pred = model((a, b))

很好用
 谢谢。同意这是可行的，但是如果我使用这种方法，我如何构建一个keras.Model来训练呢？我不能将（a，b）作为
输入传递（我也希望批大小在实践中是可变的）。奇怪的是，没有一种方法可以实现我想要的功能API（我更喜欢这种方法，因为层是在使用它们的地方定义的，不需要命名），但这是一个有效的解决方案，所以我接受了它。谢谢