报错：‘Concatenate’layer requires inputs with matching shapes expect for the concat axis. 解决思路

换了个数据集图片训练，结果报错：
‘Concatenate’layer requires inputs with matching shapes expect for the concat axis.Got inputs shapes:[(None,54,25,128),(None,54,24,256)]

其实就是concatenate运算出错，concatenate表示连接运算，将两个张量连接起来。
可以看到报错信息，两个张量的维度分别为：(None,54,25,128)和(None,54,24,256)，第一个是batch_size，最后一维卷积不同是没问题的，出问题的是第三维，后面一个张量的第三维比前一个小1，那就要看一下这个1跑到哪去了。

新的数据集图片尺寸和原来的数据集不同，图片尺寸是873*404。通过查看代码，发现是第7个卷积层的下的concatenate出的错。
用来连接的第一个张量前面有4个池化层，用来连接的第二个张量前面有5个池化层和一个上采样。

（1）看一下(None,54,25,128)是怎么来的：
由于经过一个池化层尺寸减半，且维数不能是小数，所以有：

第二维：
873/2 -> 436         池化层1
436/2 -> 218         池化层2
218/2 ->109          池化层3
109/2 -> 54          池化层4

第三维：
404/2 ->202          池化层1
202/2->101           池化层2
101/2->50            池化层3
50/2->25             池化层4

（2）同样的看一下(None,54,24,256)是怎么来的：
由上采样会将图片尺寸和特征扩张一倍，所以有：

第二维：
873/2 -> 436         池化层1
436/2 -> 218         池化层2
218/2 ->109          池化层3
109/2 -> 54          池化层4
54/2 -> 27           池化层5
27*2 -> 54           上采样

第三维：
404/2 -> 202          池化层1
202/2 -> 101          池化层2
101/2 -> 50           池化层3
50/2 -> 25            池化层4
25/2 -> 12            池化层5
12*2 -> 24            上采样

由此就很明了的看到问题的产生了，池化过程过滤了小数，上采样的过程也同样忽略了小数，因此导致连接的两个张量的第三维维数差了1，因此，想要形成链接，那么就要保持维度相同就行了。

我这里的问题，只要在上采样的上方的池化层就不产生小数就行了。

想了几个方法：
1、前面一个张量将多余的维度丢掉。
2、去掉或前移concatenate函数。
3、修改网络结构吧，毕竟原来的网络可能是按照原来输入的数据集设计的。
4、修改（reshape）数据集图片尺寸，使得池化层不产生小数。
尺寸具体设多少：（1）将新数据集reshape和原数据集一样大小。（2）数一下用来连接的两个张量前面的上采样前面有几个池化，那就取宽高都取2的池化层个数的指数倍，这样池化层尺寸除以2的时候就不会出现小数了。或者直接参照自己数据集的图片尺寸，找一个临近的2的指数就行，如果还是不够除，那就在这基础上再乘2，或者还是把连接函数前移或者去掉吧，图片太大不知道显卡吃不吃得消。

可能我描述的有些乱，只要自己按照每一层张量的变化拿个笔自己算一下就能找到原因了，像我的问题，只要reshape长宽为1024*512那么经历池化层的时候就不会被小数干扰了，但如果没有连接操作，就不需要考虑小数影响了。