錯誤的代碼
outputs, _ = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)
錯誤原因：
該錯誤的意思是傳入的數據集X的維度只有二維，而tf.nn.dynamic_rnn()要求傳入的數據集的維度是三維（batch_size, squence_length, num_features）。在這里因為特征是一維，因此沒有顯示。
解決方案：
X = tf.expand_dims(X, axis=2)
類似的錯誤：
ValueError: Shapes (?, 1) and (?,) are incompatible
錯誤代碼：
loss = tf.losses.mean_squared_error(labels=y, predictions=predictions)
錯誤原因：
和上面的一致
解決方案：
y = tf.expand_dims(y, axis=1)
一個代碼里面碰到兩個這樣的問題，之后碰到維度不匹配的感覺都可以用這個方法去解決，那就來看下這個方法吧。
tf.expand_dims(input, axis=None, name=None, dim=None)
方法的目的：
插入一個維度到tensor中，主要是處理維度不匹配的現象
參數詳解：
input：輸入的張量
axis：指定插入張量的維度的索引，可以理解為一個四維張量的索引為（0,1,2,3），如果該值為負，則從末尾開始計數
name：輸出的張量的名稱
dim：等同於axis，不推薦使用
拓展：
tf.suqeeze(input, squeeze_dims=None, name=None)
該方法用於壓縮維度的，也就是刪除所有大小為1的維度，類似的方法還要np.squeeze()