如何在Keras（CNN+LSTM模型）中准备多输入单输出的列车？

Question

我有一个问题，准备列车标签集（列车）。你知道吗

让我们看看下面的代码。你知道吗

# first input model

visible1 = Input(shape=(64,64,1))
conv11 = Conv2D(...)(visible1)
pool11 = MaxPooling2D(...)(conv11)
flat1 = Flatten()(pool12)

#second input model

visible2 = Input(shape=(32,32,1))
conv21 = Conv2D(...)(visible2)
pool21 = MaxPooling2D(...)(conv21)
flat2 = Flatten()(pool22)

# merge input models

merge = concatenate([flat1, flat2])

# interpretation model

LSTM1 = LSTM(32, activation='relu')(merge)
dense1 = Dense(10, activation='relu')(LSTM1)
output = Dense(4, activation='softmax')(dense1)
model = Model(inputs=[visible1, visible2], outputs=output)

如果我有两种声音功能（例如>；MFCC、STFT）， 它们分别是两种CNN的输入。然后，我想 将它们合并（或连接）为一个，并用于LSTM的输入。你知道吗

我的两种特征数据集有相同的4个类，但是 它们的两个特征数据集具有不同的序列，因为 每个特征的长度、尺寸与另一个数据集的序列不同。 （用于实现）型号.fit（））

但是在源代码中，有两个输入（visible1，visible2）但是 它们只有一个输出（或Y）。你知道吗

在这种情况下，如何准备数据标签集（train\Y）？你知道吗