tf.reshape报错因shape总元素数不匹配，-1仅能出现一次且不能用于none维；tf.expand_dims在axis处插入长度为1的维度，axis范围为[-rank-1, rank]。
tf.reshape 为什么 reshape 后 shape 对不上？
常见错误是传入的 shape 和原张量总元素数不匹配，TensorFlow 会直接报错 ValueError: cannot reshape array of size X into shape Y。它不自动推断维度，必须显式指定所有维数（除非用 -1 让系统算一个）。
-
-1只能出现一次，代表“自动计算该维大小”，比如tf.reshape(x, [-1, 8])表示把 x 拉平后每行 8 个元素 - 如果原张量是动态 shape（如 batch 维为
None），tf.reshape仍可工作，但-1不能用于None所在位置以外的未知维 - 注意：reshape 不改变数据内存布局，只是重解释 view —— 这意味着它很快，但不能替代转置或打乱顺序
tf.expand_dims 在哪加维度才安全？
它只在指定 axis 插入长度为 1 的新维度，不会改变原有数据顺序。容易踩的坑是 axis 超出范围或负索引理解错。
- axis = 0 表示插在最前面，axis = -1 表示插在最后面；若原 shape 是
(2, 3)，tf.expand_dims(x, axis=1)得到(2, 1, 3) - axis 必须满足
-rank-1 ，超出就报 <code>InvalidArgumentError: axis = N not in [-M, M] - 和
tf.reshape(x, [1] + x.shape.as_list())效果类似，但更语义清晰、不易出错
reshape 和 expand_dims 能否互换使用？
不能随意互换。它们解决的是不同问题：一个是重排整体结构，一个是“增维”；强行用 reshape 模拟 expand_dims 容易引入隐式依赖或 bug。
- 想给
[32, 64]加 batch 维变成[1, 32, 64]？用tf.expand_dims(x, axis=0)更直观、安全 - 想把
[32, 64]变成[32, 8, 8]？必须用tf.reshape(x, [32, 8, 8])，expand_dims 做不到 - 性能上无差别，但语义混淆会导致后续 broadcast 或 layer 输入校验失败，尤其在 Keras Model 中容易触发
Incompatible shapes
动态 batch 下 reshape 报错怎么办？
当输入 shape 含 None（如 (None, 28, 28, 3)），直接写死 [-1, 784] 是 OK 的，但写成 [batch_size, 784] 就会失败 —— 因为 batch_size 是运行时才确定的符号值。
- 正确做法：始终用
-1处理可变 batch 维，例如tf.reshape(x, [-1, 28*28*3]) - 避免用 Python 数值拼接 shape，比如
[x.shape[0].value, 784]在 eager mode 下可能为None，导致 AttributeError - 调试时可用
tf.print("shape:", tf.shape(x))查看 runtime shape，别只信x.shape
