我定義了一個典型的siamese網絡架構，以獲得我使用的編碼temp_model（VGG模型，權重預訓練有三重損失函數），在下面的代碼中，最后我訓練模型并作為h5文件保存到我的磁盤上，但是當我加載模型進行預測時，我得到了一個錯誤（ValueError：無效input_shape參數[（None，224， 224， 3）， （None， 224， 224， 3）， （None， 224， 224， 3）]： 模型有 1 個張量輸入。'''left_input = Input(shape = (224, 224, 3))right_input = Input(shape = (224, 224, 3))# Generate the encodings (feature vectors) for the two imagesencoded_l = temp_model([left_input,left_input,left_input])encoded_r = temp_model([right_input,right_input,right_input])# Add a customized layer to compute the absolute difference between the encodings L1_layer = Lambda(lambda tensors:K.abs(tensors[0] - tensors[1]))L1_distance = L1_layer([encoded_l, encoded_r])L1_distance = Dense(512,activation='relu')(L1_distance)L1_distance = Dropout(0.2)(L1_distance)L1_distance = Dense(10,activation='relu')(L1_distance)L1_distance = Dropout(0.2)(L1_distance)# Add a dense layer with a sigmoid unit to generate the similarity scoreprediction = Dense(1,activation='sigmoid')(L1_distance)# Connect the inputs with the outputssiamese_net = Model(inputs=[left_input,right_input],outputs=prediction)siamese_net.compile(loss='binary_crossentropy', optimizer="adam",      metrics=['accuracy'])siamese_net.summary()# return the modelreturn siamese_net “'” ---------------------------------------------------------------------------值錯誤回溯（最近一次調用最后一次）在 1 #final_model = siamese_model（） ----> 2 final_model = load_model（“triplet_loss_function_vgg16_siamese_h100_128.h5”）