我有一个模型M，它有两个输入：x_train1和x_train2。经过大量的转换后，这些输入被拼接成一个单一的数组x1_x2。之后，它被输入到一个自编码器中，输出应该是x1_x2。但是当我尝试拟合模型时，我得到了以下错误：

ValueError: When feeding symbolic tensors to a model, we expect the tensors to have a static batch size. Got tensor with shape: (None, 2080)

我知道问题出在如何指定我的预期输出上。我能够使用一个虚拟数组如np.zeros((96, 2080))来运行代码，但无法通过设置内部层的输出来运行。

我使用以下方式来拟合模型：

autoencoder.fit([x_train1, x_train2],                 autoencoder.layers[-7].output,                epochs=50,                batch_size=8,                shuffle=True,                validation_split=0.2)

我如何让Keras理解预期输出应该是形状为（输入图像数量，2080）的内部层的输出？

回答：

我会这样做：从Keras导入Model类，并创建一个额外的模型。

from tensorflow.python.keras.models import Model# model = your existing modelnew_model = Model(  inputs = model.input,  outputs = model.get_layer(name_of_desired_output_layer).output)

就这样，现在你可以使用你的新模型并进行训练了。