Keras（Tensorflow）重塑图层输入错误

我有一个重塑输入错误，我不知道为什么。 请求的形状是1058400，即（121168）乘以批量大小50。 我不明白的是677376的表观输入大小。 我不知道这个值是从哪里来的。重塑之前的层是一个展平层，我在定义重塑层的目标形状时直接使用它的形状

该模型编译得很好，我使用Tensorflow作为后端，因此它是在运行时之前定义的。但只有在我输入日期时，错误才会出现

代码：

将numpy导入为np
导入tensorflow作为tf
将keras.backend作为K导入
从keras导入模型
从keras.layers导入LSTM、Conv2D、稠密、展平、输入、重塑
从keras.optimizers导入Adam
config=tf.ConfigProto（allow\u soft\u placement=True）
sess=tf.Session（config=config）
K.SETU会话（sess）
输入=输入（批次形状=（502302301））
conv1=Conv2D(
过滤器=12，内核大小=（7，7），步幅=（1，1），padding=“valid”，activation=“relu”
)（输入）
conv2=Conv2D(
过滤器=24，内核大小=（5，5），步幅=（1，1），padding=“valid”，activation=“relu”
)（1）
conv3=Conv2D(
过滤器=48，内核大小=（3,3），步幅=（2,2），padding=“valid”，activation=“relu”
)（2）
conv4=Conv2D(
过滤器=48，内核大小=（5，5），步幅=（5，5），padding=“valid”，activation=“relu”
)（3）
conv_out=Flatten（）（conv4）
conv_out=重塑（目标形状=（1，int（conv_out.shape[1]））（conv_out）
conv_out=密集（128，activation=“relu”）（conv_out）
rnn_1=LSTM（128，有状态=True，返回序列=True）（conv_out）
rnn_2=LSTM（128，有状态=True，返回序列=True）（rnn_1）
rnn_3=LSTM（128，有状态=True，返回序列=False）（rnn_2）
值=密集（1，激活=“线性”）（rnn_3）
策略=密集（5，activation=“softmax”）（rnn_3）
模型=模型（输入=输入，输出=[值，策略]）
亚当=亚当（lr=0.001）
compile（loss=“mse”，optimizer=adam）
model.summary（）
out=model.predict（np.random.randint（1,5，size=（50230230,1）））
打印（输出）

总结：

__________________________________________________________________________________________________
层（类型）输出形状参数#连接到
==================================================================================================
输入_1（输入层）（502302301）0
__________________________________________________________________________________________________
conv2d（conv2d）（5022422412）600输入_1[0][0]
__________________________________________________________________________________________________
conv2d_1(conv2d)(50,220,220,24)7224 conv2d[0][0]
__________________________________________________________________________________________________
conv2d_2(conv2d)(50,109,109,48)10416 conv2d_1[0][0]
__________________________________________________________________________________________________
conv2d_3（conv2d）（50,21,21,48）57648 conv2d_2[0][0]
__________________________________________________________________________________________________
展平（展平）（5021168）0 conv2d_3[0][0]
__________________________________________________________________________________________________
重塑（重塑）（50,121168）0展平[0][0]
__________________________________________________________________________________________________
稠密的（稠密的）（50,1128）2709632重塑[0][0]
__________________________________________________________________________________________________
lstm（lstm）（50,1128）131584密度[0][0]
__________________________________________________________________________________________________
lstm_1（lstm）（50,1128）131584 lstm[0][0]
__________________________________________________________________________________________________
lstm_2（lstm）（50128）131584 lstm_1[0][0]
__________________________________________________________________________________________________
稠密1(稠密)(50,1)129 lstm2[0][0]
__________________________________________________________________________________________________
稠密的(50,5)645lstm_2[0][0]
==================================================================================================
总参数：3181046
可培训参数：3181046
不可训练参数：0

编辑：

上述代码的错误：

回溯（最近一次呼叫最后一次）：
文件“foo.py”，第45行，在
out=model.predict（np.random.randint（1,5，size=（50230230,1）））
文件“/home/vyz/.conda/envs/stackoverflow/lib/python3.6/site packages/keras/engine/training.py”，第1157行，在predict中
'批量大小：'+str（批量大小）+'。）
ValueError：在一个有状态的网络中，您应该只传递样本数可以除以批量大小的输入。发现：50个样本。批量：32。

问题的版本 重要提示：我已编辑了您的问题，因此它实际运行并代表您的问题<代码>输入应采用当前提供的

批处理形状

。下次请确保您的代码正常工作，这样会更容易

解决方案 解决办法很简单；传递到网络的批具有错误的维度

677376/21168=32

它是默认大小

out = model.predict(np.random.randint(1, 5, size=(50, 230, 230, 1)), batch_size=50)