合并卷积层时出现Merge未定义错误的解决方法

这个错误很常见，是因为你用了Keras 1.x版本的旧API——Merge层在Keras 2.0及以后的版本已经被正式废弃，取而代之的是更灵活的拼接API。下面给你一步步修正代码的方案：

第一步：先解决隐藏的缩进bug #

你原来的代码里convs.append(pool)写在了for循环外面，这会导致不管你定义了多少个卷积核尺寸，convs列表最后只会有一个元素。先把这行缩进，放到循环内部：

convs = []
for k_no in range(len(kernel_size)):
    conv = Convolution2D(nb_filters, kernel_size[k_no][0],kernel_size[k_no][1], border_mode='same', activation='relu', input_shape=input_shape)(inp)
    pool = MaxPooling2D(pool_size=pool_size)(conv)
    convs.append(pool)  # 把这行缩进，放到循环里！

第二步：替换废弃的Merge为新版拼接方式 #

有两种常用的新版拼接方式，选一种即可：

方式1：使用Concatenate层（类形式） #

首先确保导入这个层：

# 如果用TensorFlow Keras（推荐）
from tensorflow.keras.layers import Convolution2D, MaxPooling2D, Concatenate, Model
# 如果用纯Keras（不推荐，建议迁移到TF Keras）
# from keras.layers import Convolution2D, MaxPooling2D, Concatenate, Model

然后修改拼接逻辑：

if len(kernel_size) > 1:
    out = Concatenate(axis=-1)(convs)  # axis=-1表示按通道维度拼接，这是CNN里最常用的方式
else:
    out = convs[0]
# 注意新版Model的参数是inputs和outputs，不是旧版的input和output
conv_model = Model(inputs=inp, outputs=out)

方式2：使用concatenate函数（函数形式） #

导入函数：

from tensorflow.keras.layers import concatenate
# 或者 from keras.layers import concatenate

拼接逻辑改成：

if len(kernel_size) > 1:
    out = concatenate(convs, axis=-1)
else:
    out = convs[0]
conv_model = Model(inputs=inp, outputs=out)

额外的兼容性优化（避免警告） #

Keras 2.x之后，border_mode参数也被重命名为padding，建议同步修改，避免运行时警告，同时可以简化kernel_size的写法：

conv = Convolution2D(nb_filters, kernel_size=kernel_size[k_no], 
                     padding='same', activation='relu', input_shape=input_shape)(inp)

如果你非要用旧版Keras（不推荐） #

如果因为特殊原因必须使用Keras 1.x版本，可以导入旧的Merge层：

from keras.layers.merge import Merge

但这个API已经被标记为废弃，后续版本会被移除，强烈建议升级到新版Keras/TensorFlow Keras。

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