我正在尝试使用自定义编写的Lambda层作为Keras神经网络的第一层（使用tensorflow后端和Python 3.6）。 Lambda层input_reshape_sample基本采用一维长矢量并将其拆分为等级9的张量。然后将网络初始化为
model_resize = Sequential()
model_resize.add(Lambda(input_reshape_sample, input_shape=[input_size]))
在我的情况下为input_size=576。
运行网络时，出现以下错误，请参考上面的第二行代码：
ValueError: Shape must be rank 1 but is rank 0 for 'lambda_49/Slice' (op: 'Slice') with input shapes: [?,576], [], [].
实际上是当我通过print(input_vec.get_shape())将输入打印到Lambda层时得到(?, 576)。我不明白为什么要添加这个额外的?维度。