我正在按照Milletari et al.所述构建V-Net，其中需要包括Add层。但是，由于在接下来的Input层中修改了Conv3D层的张量的形状，因此Add层报告了ValueError，因为输出张量的形状为no更长的比赛。 Add要求这些形状必须相同。
就我而言：
ValueError: Operands could not be broadcast together with shapes (3, 87, 512, 512) (16, 87, 512, 512)
不幸的是，Add层具有足够通用的术语，因此在线搜索不会返回相关的匹配。
示例代码：
# Assume imports are present
# Down Block 1
input_layer = Input(input_shape)
conv_1_1 = Conv3D(filters=16, kernel_size=(5, 5, 5), padding="same")(input_layer)
prelu_1_1 = PReLU()(conv_1_1)
add_1_1 = Add()([input_layer, prelu_1_1])
conv_1_2 = Conv3D(filters=16, kernel_size=(2, 2, 2), strides=(2, 2, 2)(add_1_1)
prelu_1_2 = PReLU()(conv_1_2)
# Down Block 2
# ...
keras.backend.tile应用于错误的尺寸，并且keras.backend.expand_dims仅添加了其他轴，而没有增加一个。 keras.layers.Reshape失败，因为新形状没有相同数量的元素。 Concatenate层可以工作，但是，有关V-Net的文章明确要求按元素求和。
其他用户选择使用merge()功能，但是不建议使用此功能。
我想找到一种方法来增大input_layer张量以匹配prelu_1_1层的形状，或者找到一种函数让我对不匹配的张量求和。
不幸的是，我无法从提到的文章中找到任何源代码，而且我发现的所有实现似乎都不能清楚地解决我的问题。
答案 0 :(得分：0)
来自docs：
它将所有相同形状的张量列表作为输入，并返回单个张量（也具有相同形状）。
input和prelu层的输出形状必须相同。在conv上应用input之后，形状可能已经改变，这就是为什么不能将两个图层都加在一起的原因。