您可以调整第二个模型的输出向量，使新的要素数为num of features x height x width
假设两个向量具有相同的批量大小和相同的帧数：首先，对两个输出向量重新排序，使顺序为[batch size, num of frames, num of features, ...]
然后，在最后一个维度上连接：

output1 = torch.randn(10, 5, 20)
output2 = torch.randn(10, 7, 20, 100, 200)
output1 = output1.permute(0, 2, 1) 
output2 = output2.permute(0, 2, 1, 3, 4)
output = torch.concatenate([output1, output2], dim=2)

现在，输出Tensor具有来自两个输出向量的所有特征，每个帧编号每个批次示例，这通常是有意义的

@Yakov Dan的回答是正确的，这里是另一种方法：

• 将ModelA和ModelB的输出整形为具有相同的帧数，

模型A形状[批量大小，特征数量，帧数量]和
模型B具有形状[批量大小，特征数，帧数，高度，宽度]。

• 重塑模型B，使其具有与模型A相同的帧数。
• 沿高度和宽度标注沿着展平模型A和模型B的输出。这将把输出从5维Tensor转换为3维Tensor，其中每个帧表示为单个向量。
• 沿特征尺寸沿着连接模型A和模型B的展平输出。这将产生形状为[batch size, num of features_A + num of features_B, num of frames]的Tensor。

output_modelA = torch.randn(batch_size, num_features_A, num_frames)
output_modelB = torch.randn(batch_size, num_features_B, num_frames, height, width)

# Reshape ModelB to have the same number of frames as ModelA
output_modelB = output_modelB.view(batch_size, num_features_B, num_frames, -1)

# Flatten the outputs of ModelA and ModelB
output_modelA = output_modelA.view(batch_size, num_features_A, -1)
output_modelB = output_modelB.view(batch_size, num_features_B, -1)

# Concatenate the flattened outputs along the feature dimension
concatenated_output = torch.cat((output_modelA, output_modelB), dim=1)

# Define the LSTM module

# Pass the concatenated tensor into the LSTM