如何通过将两个相同的深度模型与不同的输入合并为同一数据集而获得的模型进行预测？

如何解决如何通过将两个相同的深度模型与不同的输入合并为同一数据集而获得的模型进行预测？

我正在研究动态手势识别。我有两种类型的输入：裁剪的手图像（例如，输入1）和一组运动图像（输入2）。

输入1：只有一只手的超小型图像，每个视频序列的帧数= 20

输入2：标准尺寸（1080 * 1920 * 3）的运动图像，每个视频序列的帧数= 4

使用的模型：LSTM

当我在单个输入上训练模型（让手裁剪图像）时，然后在测试集中，我只给手裁剪图像。类似地，对于运动图像。 问题：

1. 当我合并两个模型时，如何制作测试集？我应该为每个手势样本都保留裁剪后的手图像和运动图像吗？
2. 如果对1的回答为是，那么当我可以在开始时合并两个输入时，为什么要合并两个模型？两种情况是相同的。对？仅当两个模型不同时才合并两个模型吗？
3. 即使两个模型不同并且对1的回答为是，那么我是否还必须使两种输入类型的大小：裁剪后的手和运动图像相等？
4. 如果我要合并两个输入而不是模型（如果模型相同），那么我应该使两种图像类型的输入大小相等吗？
5. 合并输入或模型时要记住的任何提示/建议吗？

我编写的代码如下所示：

y

我正在第一次制作视频和合并概念，所以请多多包涵。另外，我已经阅读了有关quora和StackOverflow的许多答案，但仍然不确定如何解决这个疑问。 预先感谢。