我想合并两个预训练模型（DenseNet169和InceptionV3），也可以是任意两个。已按照以下链接中的步骤操作，但未成功。已尝试串联和串联，但仍出错。我可能在某个地方犯了一些错误。这是我的第一个stackoverflow问题，如果您能提供帮助，我将不胜感激。https://datascience.stackexchange.com/questions/39407/how-to-make-two-parallel-convolutional-neural-networks-in-keras第一种情况：我尝试了无池化

model1 = DenseNet169(weights='imagenet', include_top=False, input_shape=(300,300,3))
out1 = model1.output    

model2 = InceptionV3(weights='imagenet', include_top=False, input_shape=(300,300,3))
out2 = model2.output

from keras.layers import concatenate 
from keras.layers import Concatenate 

x = concatenate([out1, out2])  # merge the outputs of the two   models
out = Dense(10, activation='softmax')(x)  # final layer of the network

我得到了这个错误：
ValueError：Concatenate层需要输入匹配的形状，除了concat轴。得到输入形状：【（无，9，9，1664），（无，8，8，2048）】
第二种情况：尝试使用平均池，能够连接，但在训练过程中出错

model1 = DenseNet169(weights='imagenet', include_top=False, pooling='avg', input_shape=(300,300,3))
out1 = model1.output   

model2 = InceptionV3(weights='imagenet', include_top=False, pooling='avg', input_shape=(300,300,3))
out2 = model2.output

x = concatenate([out1, out2])  # merge the outputs of the two models
out = Dense(10, activation='softmax')(x)  # final layer of the network

model = Model(inputs=[model1.input, model2.input], outputs=[out])

model.compile(optimizer=Adam(), loss='categorical_crossentropy',metrics=['accuracy'])
history = model.fit_generator(generator=data_generator_train,
                          validation_data=data_generator_val,
                          epochs=20,
                          verbose=1
                         )

第二个案例中的错误：ValueError：检查模型输入时出错：传递给模型的Numpy数组列表不是模型所需的大小。本应看到2个数组，但得到的却是以下1个数组的列表：[array（[[[[0.17074525，0.10469133，0.08226486]，[0.19852941，0.13124999，0.11642157]，[0.36528033，0.3213197，0.3085095 ]，...，[0.19082414，0.17801011，0.15840226...