Keras多输入模型拼接报错：InvalidArgumentError问题求助

核心问题 #

错误提示已经明确指出：拼接时除拼接维度外，所有维度必须匹配。这里sec_flatten的形状是[32, 1]，而nat_flatten是[1, 936]，batch维度完全不匹配，根源在于sec_input的模型定义和生成器输出的形状不对应，同时模型还有一处小bug影响层的执行逻辑。

具体问题拆解：

1. 输入形状不匹配
   • 模型中sec_input定义为shape=(window, 1)，意味着单样本输入是(32,1)的2D张量
   • 但生成器输出的X_train_sec_i是(32,)的1D张量，既缺少最后一个维度，也没有和另外两个输入一致的batch维度（另外两个输入都是(1,32,...)的带batch格式）
2. 层连接错误
   nat_pooling_2和act_pooling_2的输入写错了，跳过了定义好的BatchNormalization层，直接用了Conv2D的输出，导致BN层未生效。

修复步骤 #

1. 修正生成器中sec输入的形状 #

把X_train_sec_i调整为和模型输入定义匹配的形状：

# 假设X_train_sec_i原本是(32,)的1D数组
X_train_sec_i = X_train_sec_i.reshape(1, window, 1)  # window=32，最终形状为(1,32,1)

2. 修复模型中的层连接错误 #

修改池化层的输入，让BatchNormalization层生效：

# 修正nat分支的池化层输入
nat_pooling_2 = tf.keras.layers.MaxPooling2D((2, 2), name="nat_pooling_2")(nat_batch_norm_2)

# 修正act分支的池化层输入
act_pooling_2 = tf.keras.layers.MaxPooling2D((2, 2), name="act_pooling_2")(act_batch_norm_2)

3. 验证拼接维度 #

修正后，三个分支经过Flatten处理后，都会变成(batch_size, feature_count)的形状（batch_size统一为1），此时concatenate层就能正常拼接所有特征。

内容的提问来源于stack exchange，提问作者Cyrille