Keras - 连接具有相同的第 1 维和第 3 维但不同的第 2 维的两个输入

Question

我正在创建一个功能性 API keras 模型，以根据两个混合数据输入回归和预测数值。

该网络由两个模型组成，它们的输出旨在连接起来并输入到另一个模型中，该模型将输出最终值以与要预测的值进行比较。

我的（未完成的）代码如下所示：

def categorical_model():
    inputA = Input(shape=(3, 1329, ))
    x = Dense(8, activation='relu')(inputA)
    x = Dense(4, activation='relu')(x)
    return Model(inputs=inputA, outputs=x)

def continuous_model():
    inputB = Input(shape=(1329, 2))
    y = Dense(64, activation="relu")(inputB)
    y = Dense(32, activation="relu")(y)
    y = Dense(4, activation="relu")(y)
    return Model(inputs=inputB, outputs=y)

cat = categorical_model()
con = continuous_model()

catcon_list = [cat.output, con.output]
concatenated = concatenate(catcon_list, axis=0, name = 'concatenate')

concatenated = Dense(2, activation='softmax')(concatenated)

merged =  Model(input=[cat.input,
                    con.input],
             output=concatenated)

merged.summary()

代码生成ValueError，如下所示：

ValueError: A `Concatenate` layer requires inputs with matching shapes except for the concat axis. Got inputs shapes: [(None, 3, 4), (None, 1329, 4)]

可以连接这些输入吗？如何将轴更改为二维？

Answer 1

这应该可行：

concatenated = Concatenate(axis=1)(catcon_list)

merged = Model([cat.input,
                con.input],
               concatenated)