我们是数据科学的新手，我们正在尝试合并两种不同的 CNN 模型（一个有 2 个类，另一个有 3 个类）。型号代码为：性别模型    #initialize the model along with the input shape    model = Sequential()    inputShape = (height, width, depth)    chanDim = -1       if K.image_data_format() == 'channels_first':        inputShape = (depth, height, width)        chanDim = 1           # CONV -> RELU -> MAXPOOL    model.add(Convolution2D(64, (3,3), padding='same', input_shape=inputShape))    model.add(Activation('relu'))    model.add(BatchNormalization(axis=chanDim))    model.add(MaxPooling2D(pool_size=(3,3)))    model.add(Dropout(0.25))       # (CONV -> RELU)*2 -> AVGPOOL    model.add(Convolution2D(128, (3,3), padding='same'))    model.add(Activation('relu'))    model.add(BatchNormalization(axis=chanDim))    model.add(Convolution2D(128, (3,3), padding='same'))    model.add(Activation('relu'))    model.add(BatchNormalization(axis=chanDim))    model.add(AveragePooling2D(pool_size=(3,3) ))    model.add(Dropout(0.25))       # CONV -> RELU -> MAXPOOL    model.add(Convolution2D(256, (3,3), padding='same'))    model.add(Activation('relu'))    model.add(BatchNormalization(axis=chanDim))    model.add(MaxPooling2D(pool_size=(3,3)))    model.add(Dropout(0.25))       # CONV -> RELU -> AVGPOOL    model.add(Convolution2D(512, (3,3), padding='same'))    model.add(Activation('relu'))    model.add(BatchNormalization(axis=chanDim))    model.add(AveragePooling2D(pool_size=(3,3)))    model.add(Dropout(0.25))       # DENSE -> RELU    model.add(Flatten())    model.add(Dense(1024))    model.add(Activation('relu'))    model.add(BatchNormalization())    model.add(Dropout(0.25))       # DENSE -> RELU    model.add(Dense(512))    model.add(Activation('relu'))    model.add(BatchNormalization())    model.add(Dropout(0.25))   我们尝试使用 concatenate keras 函数合并模型，但未能理解如何合并具有不同数量类的两个模型。我们的目标是：给定一张照片，我们希望同时预测性别和种族感谢您的关注。