我是Keras的新手。

我的目标是总共有4个最大池化层。所有层都接受形状为(N, 256)的相同输入。第一层进行全局最大池化，输出1个结果。第二层使用N / 2的池化大小和N / 2的步长，输出2个结果。第三层输出4个结果，第四层输出8个结果。以下是我的代码。

    test_x = np.random.rand(N, 256, 1)    model = Sequential()    input1 = Input(shape=test_x.shape, name='input1')    input2 = Input(shape=test_x.shape, name='input2')    input3 = Input(shape=test_x.shape, name='input3')    input4 = Input(shape=test_x.shape, name='input4')    max1 = MaxPooling2D(pool_size=(N, 256), strides=N)(input1)    max2 = MaxPooling2D(pool_size=(N / 2, 256), strides=N / 2)(input2)    max3 = MaxPooling2D(pool_size=(N / 4, 256), strides=N / 4)(input3)    max4 = MaxPooling2D(pool_size=(N / 8, 256), strides=N / 8)(input4)    mrg = Merge(mode='concat')([max1, max2, max3, max4])

在创建了4个最大池化层后，我尝试将它们合并在一起，但Keras给出了以下错误。

ValueError: Dimension 1 in both shapes must be equal, but are 4 and 8 for ‘merge_1/concat’ (op: ‘ConcatV2’) with input shapes: [?,1,1,1], [?,2,1,1], [?,4,1,1], [?,8,1,1], [] and with computed input tensors: input[4] = <3>.

我该如何解决这个问题？在Keras中，合并是实现我的目标的正确方法吗？

回答：

对于拼接操作，除了拼接维度本身外，所有其他维度必须具有相同数量的元素。

如您所见，您的结果形状为：

(?, 1, 1, 1)    (?, 2, 1, 1)    (?, 4, 1, 1)    (?, 8, 1, 1)    

自然，唯一可能的拼接方式是在第二个轴上（axis=1）

mrg = Concatenate(axis=1)([max1,max2,max3,max4])

但请注意，除非您有特定的原因并且清楚自己在做什么，否则这将导致一个非常奇怪的图像，因为您是在空间维度上而不是在通道维度上进行拼接。