构建处理加州数据集的宽深感知器时Concatenate层张量错误咨询

你的代码错误在于：keras.layers.Concatenate([input, hidden2])只是创建了Concatenate层的实例，并没有将输入张量传入层进行计算，因此concat是层对象而非张量，导致输出层无法接收。

两种修正方案： #

方案1：正确调用Concatenate层实例

先创建Concatenate层的实例，再将需要拼接的张量传入实例进行计算，得到张量结果：

input= keras.layers.Input(shape=x_train.shape[1:])
hidden1=keras.layers.Dense(30,activation="relu")(input)
hidden2=keras.layers.Dense(30,activation="relu")(hidden1)
# 先实例化Concatenate层，可指定axis参数（默认axis=-1）
concat_layer = keras.layers.Concatenate()
# 将张量列表传入层实例，得到拼接后的张量
concat = concat_layer([input, hidden2])
output=keras.layers.Dense(1)(concat)

方案2：使用便捷函数concatenate

直接调用小写开头的keras.layers.concatenate函数，它会自动处理输入并返回拼接后的张量：

input= keras.layers.Input(shape=x_train.shape[1:])
hidden1=keras.layers.Dense(30,activation="relu")(input)
hidden2=keras.layers.Dense(30,activation="relu")(hidden1)
# 直接传入张量列表，得到拼接后的张量
concat = keras.layers.concatenate([input, hidden2])
output=keras.layers.Dense(1)(concat)

两者的区别：大写的Concatenate是层类，适合需要重复使用或自定义参数（如拼接轴）的场景；小写的concatenate是封装好的便捷函数，简化了调用流程。

内容的提问来源于stack exchange，提问作者Yogesh Regmi