问题一：CNN输入维度的问题

出现的问题

数据集改好之后，出现错误：
ValueError: Graph disconnected: cannot obtain value for tensor Tensor("cnn_input:0", shape=(1, None, 1841), dtype=float64) at layer "cnn_input". The following previous layers were accessed without issue: []

解决问题

查看main_input 的形状（shape）和数据类型（dtype）

而输入的形状应该是(1, None, 1841)。

原因

形状 (None, 1841) 表示一个可变长度的第一个维度（batch size）和一个长度为 1841 的第二个维度。通常，Keras 模型的输入层需要指定固定的输入形状，而不允许 None。

我好像知道哪里出问题了！！
解决：

ok，进入下一个问题：
2023年11月1日

问题二：mix时，输入的train_in和train_gen.inputs数据格式不一致

出现的问题

AttributeError: 'list' object has no attribute 'shape'

一脸懵逼。。。。。。

一个列表（‘list’ object）没有属性 ‘shape’。这通常是因为某个张量的形状未被正确设置，或者输入的数据不符合模型的期望。考虑传递给 model.fit() 方法的数据是否正确。

在将其传递给merged_model.fit之前，确保train_gen_inputs和test_gen_inputs都具有与你的模型输入匹配的形状。

思路一： merged_model.fit(x=[train_in, train_gen.inputs]...)，merged_model.fit的输入train_gen.inputs和train_in数据格式不一致

解决一（失败）：train_gen.inputs是一个列表，而train_in是一个NumPy数组，需要将train_gen.inputs转换为NumPy数组，以使它们具有相同的数据类型。

继续发现：
查找了一大圈，踩了两天坑，现在怀疑数据集问题。因为train_gen.inputs 的shape与 train_in 不一致。这通常需要进行数据预处理，以确保数据的维度和形状适合模型的输入。

检查正确输出结果：

懵圈ing。。。

2023年11月14日

解决问题

检查了一大圈，终于皇天不负有心人，确定是安装包版本问题，
最后使用的安装包是

python=3.7
stellargraph==1.2.1
tensorflow-gpu==2.6.0
networkx==2.6.3

最终结果