我在将3个输入（形状不同的占位符）传递到神经网络的隐藏层时遇到了困难。

这是我目前的代码：

with tf.name_scope("Final_Check"):    # TODO: 这样传递3个输入到隐藏层正确吗？    final_layer1 = tf.layers.dense([self.final_time_input, self.final_request_input, self.final_stream_input],                                   500,                                   activation=tf.nn.relu,                                   name="final_hl1")    final_layer2 = tf.layers.dense(final_layer1,                                   500,                                   activation=tf.nn.relu,                                   name="final_h12")    final_layer3 = tf.layers.dense(final_layer2,                                   500,                                   activation=tf.nn.relu,                                   name="final_hl3")    final_output = tf.layers.dense(final_layer3,                                   500,                                   activation=tf.nn.relu,                                   name="final_output")

占位符：

1. self.final_time_input
2. self.final_request_input
3. self.final_stream_input

隐藏层：所有的final_layer[1-3]和final_output

我尝试过在谷歌上搜索一些示例代码，但没有找到任何相关内容。

回答：

tf.layers.dense 期望接收张量输入。在你的例子中，它是一个列表（[self.final_time_input, self.final_request_input, self.final_stream_input]）。你需要使用 tf.concat 将它们连接起来，像这样：

tf.concat([self.final_time_input, self.final_request_input, self.final_stream_input], axis=1)

假设输入张量的形状为 [batch_size, feature_size]，其中 feature_size 可以不同。