ValueError：输入通道数与过滤器的相应尺寸不匹配，9！= 3

Question

Am使用VGG16提取另一个模型的特征。进入VGG16的输入来自一个输出灰度图像的神经网络。因此，我用接受1个通道图像的输入替换了VGG的输入，然后输入一个连接层使输入3个通道，以便卷积层可以在图像上进行操作。

vgg_16 = vgg16.VGG16（include_top = False，weights ='imagenet'，input_tensor = None）     ＃训练时冻结VGG_16     对于vgg_16.layers中的图层：         layer.trainable = False

vgg_16.layers.pop(0)

inputs = Input(shape=(312, 312, 1))
concat = keras.layers.Concatenate(axis=3)([inputs] * 3)
outputs = vgg_16(concat)

vgg_first2 = Model(inputs, outputs)
vgg_first2.summary()

keras打印的摘要显示连接输出是预期的3个通道，

Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_4 (InputLayer)            (None, 312, 312, 1)  0                                            
__________________________________________________________________________________________________
concatenate_1 (Concatenate)     (None, 312, 312, 3)  0           input_4[0][0]                    
                                                                 input_4[0][0]                    
                                                                 input_4[0][0]                    
__________________________________________________________________________________________________
vgg16 (Model)                   multiple             14714688    concatenate_1[0][0]              
==================================================================================================

最后我得到一个错误ValueError：输入通道数与过滤器的相应尺寸不匹配，9！= 3。

最后一点，我在使用带有tensorflow后端的keras