Tensorflow 时间分布：重塑的输入是一个具有265000个值的张量，但请求的形状需要800的倍数

我正在根据以下内容创建LSTM模型：

problem=self.hparams.problem
编码器=问题。功能\编码器
inputs_vocab_size=len（编码器['inputs'].子字）
targets_vocab_size=len（编码器['targets'].子字）
隐藏大小=self.hparams.model.hidden大小
最大输入长度=self.hparams.model.max\u输入长度
最大输出长度=self.hparams.model.max\u目标长度
输入=keras.Input（形状=（最大输入长度）
x=输入
x=层。嵌入（输入\u声音\u大小、隐藏\u大小、输入\u长度=最大\u输入\u长度、掩码\u零=真）（x）
x=层.LSTM（隐藏大小）（x）
x=层。重复向量（最大输出长度）（x）
x=layers.LSTM（隐藏大小，返回序列=True）（x）
#输出模态
输出=layers.TimeDistributed（layers.Dense（目标声音大小，激活='softmax'））（x）
self.keras_model=keras.model（输入=输入，输出=输出）
self.keras_model.summary（）

在训练期间，模型的损失计算如下：

def丢失（自身、登录、目标）：
标签=tf.one\u热（目标、自身声音大小）
损耗=tf.nn.softmax\u交叉\u熵\u与逻辑（逻辑=逻辑，标签=标签）
返回tf.减少平均值（损失）

其中，

logits

是模型输出，

targets

是培训示例

但是，我在执行过程中遇到以下异常：

tensorflow.python.framework.errors\u impl.InvalidArgumentError:重塑的输入是一个具有265000个值的张量，但请求的形状需要800的倍数
[{{node model_fn/model/time_distributed/reformate_1}}]

显然，我对

TimeDistributed

层有一个问题，但我不太清楚问题在哪里。

265000

值张量从何而来，与之相比，我做的有什么不同

---

模型摘要

模型：“模型”
_________________________________________________________________
层（类型）输出形状参数
=================================================================
输入_1（输入层）[（无，100）]0
_________________________________________________________________
嵌入（嵌入）（无，2，64）512
_________________________________________________________________
lstm（lstm）（无，64）33024
_________________________________________________________________
重复向量（RepeatVector）（无，100，64）0
_________________________________________________________________
lstm_1（lstm）（无、100、64）33024
_________________________________________________________________
时间分布（时间分布（无、100、8）520
=================================================================
总参数：67080
可培训参数：67080
不可训练参数：0
_________________________________________________________________

Hi@displayname，您能包含一个能显示错误的最小可复制代码吗？Hi@displayname，您能包含一个能显示错误的最小可复制代码吗？