我在尝试让以下代码行正常工作：
low_encoder_out = TimeDistributed( AutoregressiveDecoder(...) )([X_tf, embeddings])其中AutoregressiveDecoder是一个接受两个输入的自定义层。经过一番搜索后，问题似乎在于TimeDistributed包装器不接受多个输入。有些解决方案建议在输入层之前合并这两个输入，但由于它们的形状是
X_tf.shape: (?, 16, 16, 128, 5)embeddings.shape: (?, 16, 1024)我实在不知道如何合并它们。有没有办法让TimeDistributed层能够处理多个输入？或者，另一种方式，是否有任何方法可以以一种优雅的方式合并这两个输入？
回答：
正如你提到的，TimeDistributed层确实不支持多个输入。考虑到所有输入的时间步数（即第二轴）必须相同，一个不太理想的解决方法是，将它们全部重塑为(None, n_timsteps, n_featsN)，然后将它们连接起来，最后作为TimeDistributed层的输入：
X_tf_r = Reshape((n_timesteps, -1))(X_tf)embeddings_r = Reshape((n_timesteps, -1))(embeddings)concat = concatenate([X_tf_r, embeddings_r])low_encoder_out = TimeDistributed(AutoregressiveDecoder(...))(concat)当然，你可能需要修改你的自定义层的定义，并在必要时将输入重新分离。
