tensorflow错误：Shape (10, ?) must have rank at least 3

　　错误的代码

 outputs, _ = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)

　　错误原因：

　　该错误的意思是传入的数据集X的维度只有二维，而tf.nn.dynamic_rnn()要求传入的数据集的维度是三维（batch_size, squence_length, num_features）。在这里因为特征是一维，因此没有显示。

　　解决方案：

X = tf.expand_dims(X, axis=2)

　　类似的错误：

　　ValueError: Shapes (?, 1) and (?,) are incompatible

　　错误代码：

loss = tf.losses.mean_squared_error(labels=y, predictions=predictions)

　　错误原因：

　　和上面的一致

　　解决方案：

y = tf.expand_dims(y, axis=1)

　　一个代码里面碰到两个这样的问题，之后碰到维度不匹配的感觉都可以用这个方法去解决，那就来看下这个方法吧。

tf.expand_dims(input, axis=None, name=None, dim=None)

　　方法的目的：

　　插入一个维度到tensor中，主要是处理维度不匹配的现象　

　　参数详解：

　　input：输入的张量

　　axis：指定插入张量的维度的索引，可以理解为一个四维张量的索引为（0,1,2,3），如果该值为负，则从末尾开始计数

　　name：输出的张量的名称

　　dim：等同于axis，不推荐使用　　　　　

　　拓展：

tf.suqeeze(input, squeeze_dims=None, name=None)

　　该方法用于压缩维度的，也就是删除所有大小为1的维度，类似的方法还要np.squeeze()