tf.keras.layers.CuSTM失败，而tf.keras.layers.LSTM失败

Question

我正在编辑神经网络以在GPU上运行。但是，当我将LSTM层之一切换到CuDNNLSTM（具有完全相同的参数）时，该模型无法编译并引发以下错误：

形状必须相等，但必须为2和3     将形状0与其他形状合并。对于输入形状为[？，200]，[?, 1536,50]的'loss_52 / AddN'（op：'AddN'）。

我还有其他CuDNN层，它们的编译都很好，而这层和那些层之间的唯一区别是，该层将return_sequences设置为true，其他人则没有，但是我不知道那是否有什么要用它做

这是我的功能，这个版本可以编译

def build_generator(original_input_music, input_music):

        hidden_output = tf.keras.layers.CuDNNLSTM(200, activity_regularizer = tf.math.sigmoid)(input_music)

        repeated_output = tf.keras.layers.RepeatVector(1536)(hidden_output)
        end_sequence = tf.keras.layers.LSTM(50, return_sequences = True, activation = tf.math.sigmoid)(repeated_output)
        results = tf.keras.layers.Concatenate(1)([input_music, end_sequence])
        return tf.keras.Model(original_input_music, results), results

但是只要我将1个LSTM层切换到CuDNN：

def build_generator(original_input_music, input_music):

        hidden_output = tf.keras.layers.CuDNNLSTM(200, activity_regularizer = tf.math.sigmoid)(input_music)

        repeated_output = tf.keras.layers.RepeatVector(1536)(hidden_output)

        end_sequence = tf.compat.v1.keras.layers.CuDNNLSTM(50, return_sequences = True, activity_regularizer = tf.math.sigmoid)(repeated_output)
        results = tf.keras.layers.Concatenate(1)([input_music, end_sequence])
        return tf.keras.Model(original_input_music, results), results

model.compile失败

这是编译步骤，仅供参考：

combined.compile(optimizer = 'adam', loss='binary_crossentropy')

（需要注意的是-我正在使用的计算机仅是CPU，但是我只是想查看模型是否可以编译，并且基于其他CuDNN层都可以正常编译的事实，我没有认为那不是问题。