看起来你在为LSTM准备批量数据做维度重塑时踩了个小坑，这个报错的根源其实很清晰：

报错原因 #

numpy的reshape()方法不接受None作为维度参数——它要求每个维度参数要么是整数，要么是**-1**（用来让numpy自动推导该维度的大小）。你代码里用了None，Python把它识别为NoneType，自然没法当作整数来处理，所以抛出了这个错误。

另外顺便提一句：也要确认X_t[num-1]和y_t[num-1]本身不是None值，不过从报错栈来看，主要问题还是出在reshape的参数上。

修正后的代码 #

把所有reshape里的None替换成-1就可以解决这个问题，修改后的函数如下：

def next_batch(X_t,y_t,num,batch_size):
    return X_t[num-1].reshape(-1, batch_size, 1), y_t[num-1].reshape(-1, 1, 1)

这里的-1是numpy的特殊占位符，它会根据数组的总元素数量，结合你指定的其他维度大小，自动计算出这个维度的正确数值。

额外注意事项 #

• 确保X_t[num-1]的总元素数能被batch_size * 1整除，否则reshape会抛出维度不匹配的错误；同理y_t[num-1]的元素数要能被1*1整除（这个一般不会有问题，但也要留意数据的完整性）。
• 如果你的目标是生成纯1D数组（比如形状为(n,)），那可以直接用reshape(-1)，比如X_t[num-1].reshape(-1)，不过从你原代码的维度设计来看，应该是在为LSTM准备带时间步的输入，所以当前的(-1, batch_size, 1)应该更符合你的需求。

内容的提问来源于stack exchange，提问作者Sergiu Groza