我目前越来越沮丧，试图合并两个不同的形状输入层，我想给予我的模型作为输入。

我拥有：

我有以下两个输入

X_train # shape (120, 224, 224, 1)
landmarks_x_train # shape (120, 478, 3)
X_val # shape (40, 224, 224, 1)
landmarks_x_val # shape (40, 478, 3)

因此，在这个例子中，我有120张灰度图像，大小为（224，224），它们都有一个地标“集”，其中有478个地标，具有x，y，z坐标。
数字120只是一个例子，真实的数据集具有更多的图像和每个图像的地标。
作为一个模型，我自己用input_shape=(224, 224, 1)构建了一个ResNet50。
x = Dense(7, activation='softmax')(x)的输出
在训练模型之前，我创建一个ImageDataGenerator流，如下所示：

datagen = ImageDataGenerator(horizontal_flip=True, fill_mode='nearest')
datagen.fit(X_train_with_landmarks)

batch_size = 16
train_flow = datagen.flow(X_train, y_train, batch_size=batch_size)
val_flow = datagen.flow(X_val, y_val, batch_size=batch_size)

我的训练步骤是这样的：

model = ResNet.get_resnet_50_model() # my class where the model is located

optimizer = Adam(learning_rate=0.01)

model.compile(optimizer=optimizer, loss='categorical_crossentropy', metrics=['accuracy'])

num_epochs = 5

history = model.fit(train_flow,
                    steps_per_epoch=len(X_train) / batch_size,
                    epochs=num_epochs,
                    verbose=2,
                    validation_data=val_flow,
                    validation_steps=len(X_val) / batch_size)

问题所在：

我现在想把这两个输入合并结合起来，我必须建立一个更好的模型，而不仅仅是像现在这样依赖于图像。
我已经尝试了几件事，我发现在网络上，也问ChatGPT，但没有运气。
最有前途的方法是两个合并，这两个与Keras Concatenate层，像这样：

model = ResNet.get_resnet_50_model()

landmarks_input = Input(shape=(landmarks_x_train.shape[1],), name='landmarks_input')

model_output = model.output

combined_input = concatenate([model_output, landmarks_input], name='combined_input')

model = Model(inputs=[model.input, landmarks_input], outputs=combined_input)

这给了我一个模型，但我无法调整model.fit()进程以使其运行。

结论：

所以现在我希望有人能帮我把这两个输入合并结合起来，这样我就可以在这两个输入上训练模型了。