在我的网络中，我有一些时间分布卷积。大小= 1图像，分为32个子图像，每个子图像，3个特征，尺寸为6x6x256。我需要合并对应于特定图像的所有3个特征。
张量定义如下：
out1 = TimeDistributed(Convolution2D(256, (3, 3), strides=(2, 2), padding='same', activation='relu'))(out1)
out2 = TimeDistributed(Convolution2D(256, (3, 3), strides = (2,2), padding='same', activation='relu'))(out2)
out3 = TimeDistributed(Convolution2D(256, (1, 1), padding='same', activation='relu'))(out3)
out1: <tf.Tensor 'time_distributed_3/Reshape_1:0' shape=(1, 32, 6, 6, 256) dtype=float32>
out2: <tf.Tensor 'time_distributed_5/Reshape_1:0' shape=(1, 32, 6, 6, 256) dtype=float32>
out4: <tf.Tensor 'time_distributed_6/Reshape_1:0' shape=(1, 32, 6, 6, 256) dtype=float32>
我尝试过不同的技术来合并，如TimeDistributed（merge（...））等，但没有任何效果。
out = Lambda(lambda x:merge([x[0],x[1],x[2]],mode='concat'))([out1,out2,out3])
它给出了正确的尺寸张量（1,32,6,6,768），但它进一步穿过一些展平和致密的层。当我构建模型时 model = Model（....，....），它给出错误
文件“/home/adityav/.virtualenvs/cv/local/lib/python2.7/site-packages/keras/engine/topology.py”，第1664行，在build_map_of_graph中 next_node = layer.inbound_nodes [node_index] AttributeError：'NoneType'对象没有属性'inbound_nodes'
当张量为5维时，任何关于如何进行分布式连接的想法。
由于