minamisa

Ну ты уже вот тут глупость сделал.

self.layer_1 = nn.Linear(inp1, inp2)  # Почему inp2 ?!

Первый параметр Linear - число входов слоя. Для первого слоя должно совпадать с числом значений для данного входа сети. Второй параметр - число нейронов, т.е. число выходов слоя. Должно совпадать с числом входов следующего слоя сети.
Вообще правило простое - сколько на выходе одного слоя, столько на входе следующего. Так как concatenate тупо дописывает данные одного входа в конец другого, то для него сумма длин входов должна быть равна выходу (а выход - входу следующего).

Например, в твоём случае на входе первого Linear должно быть inp1 нейронов, а на выходе - 72 - inp2 нейронов. После concatenate получится (72 - inp2) + inp2 = 72 нейрона - ровно столько, сколько на входе второго Linear.

Код исправишь сам.

Размер выхода слоя равен размеру входа следующего слоя.
Вот как узнать размер выхода последнего слоя - я фз, тут недостаточно данных.

EDIT: ой, блин, я невнимательный. Не увидел, что слои идут не 1->2->3->4, а 4->3->4.
Тогда ещё проще, выход 4 должен совпадать по размеру со входом 3, а вход 4 - с выходом 3.

import numpy as np

arr = np.arange(10).reshape(10)
print(arr)

arr_max = np.max(arr)
arr_mean = np.mean(arr)

arr1 = np.where(arr == arr_max, arr_mean, arr)
print(arr1)

print(arr_max)
print(arr_mean)

в строке с np.where нужно сравнивать arrс arr_max, чтобы заменить максимальное значение на среднее