Tensorflow尺寸大小必须可以被N整除，但对于“ linear / linear_model / x / Reshape”必须为M

Question

我一直在尝试使用tensorflow tf.estimator，但是关于输入/输出数据的形状却遇到了以下错误。

ValueError：尺寸大小必须被9整除，但对于'linear / linear_model / x / Reshape'（op：'Reshape'），输入形状为[4,3]，[2]，且输入张量计算为部分时，尺寸为12形状：输入[1] = [？，9]。

这是代码：

data_size = 3
iterations = 10
learn_rate = 0.005
# generate test data
input = np.random.rand(data_size,3)
output = np.dot(input, [2, 3 ,7]) + 4
output = np.transpose([output])

feature_columns = [tf.feature_column.numeric_column("x", shape=(data_size, 3))]
estimator = tf.estimator.LinearRegressor(feature_columns=feature_columns)

input_fn = tf.estimator.inputs.numpy_input_fn({"x":input}, output, batch_size=4, num_epochs=None, shuffle=True)

estimator.train(input_fn=input_fn, steps=iterations)

输入数据的形状为shape=(3, 3)：

[[ 0.06525168  0.3171153   0.61675511]
 [ 0.35166298  0.71816544  0.62770994]
 [ 0.77846666  0.20930611  0.1710842 ]]

输出数据形状为 shape=(3, 1)

[[  9.399135  ]
 [ 11.25179188]
 [  7.38244104]]

我知道它与input数据，output数据和有关batch_size，因为当input数据更改为1行时，它可以工作。当input数据行计数等于batch_size（data_size = 10和batch_size=10）时，它将引发其他错误：

ValueError：形状（1，1）和（10，1）不兼容

任何与错误的帮助将不胜感激。