TensorFlow.js拼接两个输入层遇形状不匹配错误，求解决方法

错误原因分析 #

你遇到的ValueError核心问题是两个输入层的维度不匹配：

• input1的形状为[null,64,64,3]（含batch维度的4维张量，对应图像的高、宽、通道）
• input2的形状为[null,1536]（含batch维度的2维张量）

拼接操作要求除了拼接轴外，其余维度必须完全一致，4维和2维张量无法直接拼接，必须先将图像输入展平为2维张量。

正确实现代码 #

1. 完成输入拼接 #

const tf = require('@tensorflow/tfjs-node');

// 定义输入层
const input1 = tf.input({ shape: [64, 64, 3] }); // RGB图像输入
const input2 = tf.input({ shape: [1536] }); // 特征向量输入

// 展平图像输入：将4维张量转为2维 [null, 64*64*3] = [null, 12288]
const flattenedImage = tf.layers.flatten().apply(input1);

// 在最后一维拼接两个2维张量，得到形状为 [null, 12288+1536] = [null, 13824] 的张量
const concatenated = tf.layers.concatenate({ axis: -1 }).apply([flattenedImage, input2]);

2. 接入Sequential模型 #

由于Sequential模型仅支持单输入线性堆叠，需通过函数式API将拼接结果接入Sequential：

// 创建Sequential模型，输入形状为拼接后的特征维度
const seqModel = tf.sequential();
seqModel.add(tf.layers.dense({ units: 256, activation: 'relu', inputShape: [13824] }));
seqModel.add(tf.layers.dense({ units: 10, activation: 'softmax' }));

// 将拼接后的张量传入Sequential模型，得到最终输出
const output = seqModel.apply(concatenated);

// 构建完整的多输入模型
const model = tf.model({ inputs: [input1, input2], outputs: output });

// 验证模型结构
model.summary();

关键注意事项 #

• 拼接操作的apply方法必须接收数组形式的输入，即.apply([tensorA, tensorB])，而非分开传递两个参数。
• 不可直接将拼接层放入Sequential模型，多输入场景必须结合函数式API构建完整模型。

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