我正在嘗試使用Keras庫注意實現序列2序列模型。該模型的框圖如下模型將輸入序列嵌入3D張量。然后，雙向lstm創建編碼層。接下來，將編碼后的序列發送到自定義關注層，該層返回具有每個隱藏節點的關注權重的2D張量。解碼器輸入作為一個熱矢量注入模型中?，F在在解碼器（另一個bistlm）中，解碼器輸入和注意力權重都作為輸入傳遞。解碼器的輸出被發送到具有softmax激活函數的時間分布密集層，以概率的方式獲得每個時間步長的輸出。該模型的代碼如下：encoder_input = Input(shape=(MAX_LENGTH_Input, ))embedded = Embedding(input_dim=vocab_size_input, output_dim= embedding_width, trainable=False)(encoder_input)encoder = Bidirectional(LSTM(units= hidden_size, input_shape=(MAX_LENGTH_Input,embedding_width), return_sequences=True, dropout=0.25, recurrent_dropout=0.25))(embedded)attention = Attention(MAX_LENGTH_Input)(encoder)decoder_input = Input(shape=(MAX_LENGTH_Output,vocab_size_output))merge = concatenate([attention, decoder_input])decoder = Bidirectional(LSTM(units=hidden_size, input_shape=(MAX_LENGTH_Output,vocab_size_output))(merge))output = TimeDistributed(Dense(MAX_LENGTH_Output, activation="softmax"))(decoder)問題是當我連接注意層和解碼器輸入時。由于解碼器輸入是3D張量，而注意是2D張量，因此顯示以下錯誤：ValueError：Concatenate圖層需要輸入的形狀與concat軸一致，但匹配的軸除外。得到了輸入形狀：[（無，1024），（無，10，8281）]如何將2D注意張量轉換為3D張量？