我有一个 3d 矩阵/张量，其格式为 (1000,250,50)，是我的 TensorFlow 模型的输入。
第一个数字/维度是我的例子的总和（1000）。第二个是长度（250），宽度是（50）。
现在我想为具有相同形状（250,50）的一千个训练示例中的每一个添加一个额外的“矩阵”，并且应该在我创建我的功能模型的地方实现它，因为额外的矩阵是另一个神经网络的输出。
所以我想得到一个 4d 张量/矩阵，其中每个示例都由两个大小为 (250,50) 的 3d 矩阵组成。
到目前为止我做了什么：
Input3d= tf.keras.Input(self.input_shape[0], name="Input3d")
Input1dForAddMatrix = tf.keras.Input(self.input_shape[1], name="InputForAdditionalMatrix")
input4d= tf.reshape(Input3d, [batch_size, input3d.shape[1], input3d.shape[2],2])
如何将带有输入数据的附加矩阵添加到这个 4d 张量中？
我不能提前这样做，因为附加矩阵是另一个神经网络的输出，它得到另一个输入，我想联合学习它们。