使用形状(None，180,180，3)作为输入构造了模型，但在具有不兼容形状(None，180，3)的输入上调用了该模型。

这个问题涉及到模型输入形状的兼容性。兼容性是指输入数据的形状必须与模型期望的输入形状一致，否则会导致错误。在给出答案之前，我想先补充一些相关知识。

首先，模型的输入形状是指输入数据的维度和尺寸。在深度学习中，常见的输入形状包括(None, height, width, channels)或(None, channels, height, width)。其中，None表示可变数量的样本，height和width表示图像的高度和宽度，channels表示图像的通道数（例如RGB图像为3通道）。

对于给定的模型，当在调用模型的时候输入数据形状与模型期望的输入形状不兼容时，会引发错误。例如，在这个问题中，模型期望的输入形状是(None, 180, 180, 3)，但是实际传入的输入形状是(None, 180, 3)。由于维度不匹配，调用模型时会出现错误。

解决这个问题的方法是调整输入数据的形状，使其与模型期望的输入形状相匹配。可以使用各种方法来改变输入数据的形状，如重塑、裁剪、填充等。具体使用哪种方法取决于数据和模型的特点。

对于给定的(None, 180, 3)形状的输入，可以考虑以下几种方法来使其与模型期望的(None, 180, 180, 3)形状相匹配：

1. 重塑（Reshape）：可以使用重塑操作将输入数据的形状从(None, 180, 3)调整为(None, 180, 180, 3)。这可以通过在代码中添加适当的重塑操作实现。
2. 填充（Padding）：如果模型要求的输入形状为(None, 180, 180, 3)，而输入数据的形状为(None, 180, 3)，可以考虑在输入数据中进行填充操作，将通道数从3填充为3个RGB通道，以使形状匹配。
3. 裁剪（Crop）：如果模型要求的输入形状为(None, 180, 180, 3)，而输入数据的形状为(None, 180, 3)，可以考虑从输入数据中裁剪出所需的通道数，以使形状匹配。

根据具体的场景和数据，选择合适的方法来调整输入数据的形状，使其与模型期望的输入形状相匹配。

腾讯云相关产品和产品介绍链接地址暂不提供，请自行搜索腾讯云的相关产品和文档。