1.完整错误提示

tensorflow.python.framework.errors_impl.InvalidArgumentError: Input to reshape is a tensor with 100 values, but the requested shape has 200

2.错误原因

在使用keras搭建网络时出现这种错误我的理解是模型结构基本是没有问题的，这个提示一般是在输入数据训练时会出现，也就是会提示在model.fit（）阶段出错。当然建议使用summary函数对模型结果进行检查一下,有可能是因为某一层在写compute_output_shape函数时返回了错误的数据shape。

3.解决方案之一

在经过一下午的反复对比和模型结构检查后，我始终觉得模型肯定是没问题的，最后经过不断测试才发现错误，因为我是使用keras的Model来建立模型，进行输入输出，因为数据量小之前对batch_size的设置一直为默认，就是None，其实就是每次输入一组数据，这次想试下新模型所以在输入层做了如下设置：

inputs = Input(shape=(100,), dtype='int32', batch_shape=(2, 100), name='inputs')

但是我的fit函数里如下写：

model.fit(train_data,train_labels, epochs=20)

所以模型一直提示我数据不对，解决办法是对fit函数作如下改变

model.fit(train_data, train_labels, epochs=20, batch_size=2)

加上batch_size就行了，默认batc_size为32，都是细节问题。

# 这里是对上面设法的修正

像上面这样对Input层和fit函数都设置batch_size在第一个epoch是有效的，但是在第二个epoch就会出错，所以这是什么原因呢？暂时知道，错误提示还是第二个epoch只传入了1个bactch_size的值，暂时不知道怎么解决这个问题。但是经过我反复测试，使用Model来建立模型喂数据需要设置batch_size的唯一正确设法如下：

inputs = Input(shape=(100,), dtype='int32', name='inputs')

model.fit(x=[train_data, train_mask_data], y=train_labels, epochs=100, batch_size=batch_size)

但是虽然这种设置方法有效，在模型里的三维数据的第一维总是None，因为在Input层未设置batch_shape，该参数表明了bacth的大小，其值为(batch_size,data_dim)。这样的话我在模型中就不能通过数据取到batch_size的值，其实有时候会用到这个值，除了自己通过参数的形式传入batch_size，就没有其他的方式了吗？求解答。

当然，这只是出现这种错误的一直解决办法，如果不是我这种错误，可能该方法就不会有效。