Sequential modeの中でミニバッチサイズを変更したい

Question

前提・実現したいこと

tensorflow2.0を使用して、Sequential モデルを作成しています。
Sequential モデルの中で、reshapeを使用してミニバッチサイズを変更したいです。

具体的には、(10,8, 8, 1)のデータを、ミニバッチサイズが32のとき、下記のようにreshapeしたいです。
(32, 10, 8, 8, 1)　→　(32*10, 8, 8, 1)
つまり、(?, 10, 8, 8, 1)　→　(?, 8, 8, 1)のreshapeを行いたい状況です。

発生している問題・エラーメッセージ

InvalidArgumentError:  Input to reshape is a tensor with 20480 values, but the requested shape has 2048

該当のソースコード

model.add(tf.keras.layers.Input(batch_shape=(None, 10, 8,  8, 1)))
model.add(tf.keras.layers.Reshape((8, 8, 1), input_shape=(-1, 10, 8,  8, 1)))

試したこと

エラー内容と、その原因はわかっているのですが、解決策がわからなく困っています。

補足情報（FW/ツールのバージョンなど）

tensorflow-gpu 2.2.0
Keras 2.4.2
Python 3.6.9

Answer 1

Reshapeの引数input_shapeを消してはどうでしょうか

ただ、質問内容のような、バッチ内のデータを1つにまとめることをモデル内で行うのは不可能だと思います。
keras 及び tensorflow の Reshape は、与えられた１つのデータを指定された形状になおすことをするのであり、(ミニ)バッチの形状を変えることはできません

なぜなら、

X=[["訓練データ1"],["訓練データ2]",["訓練データ3"]...]

このようなデータがあったとき、model.fit()では
["訓練データn"]を一つずつ model に渡し、X すべてを渡しているわけではないからです。

バッチの操作はモデルに任せず、自分でやる(バッチに対して前処理を行う)べきです

Comments

[aoao_abcd]

tensorflow1.0で行なった時は、reshapeできていたのでtensorflow2.0でもできる物だと考えていました。
また、32→320→32とモデル中でもバッチサイズを変更したいため、モデル内でのreshapeの仕方が知りたいのです。

tensorflow1.0では下記のように、モデル内でreshapeしていました。

self.input=tf.placeholder(tf.float32,shape=[10, None, 8, 8, 1])
# (10, batch_size(32), 8, 8, 1)→(batch_size(320), 8, 8, 1)に変換
self.input_ = tf.reshape(self.input, shape=[-1, 8, 8, 1])

x = tf.keras.layers.BatchNormalization()(x)
# (batch_size(320), 8, 8, 256)→(10, 32, 8, 8, 256)に変換
x = tf.reshape(x, [10, batch_size(32), 8, 8, 256])

何か、解決策などあれば、ご教授いただきたいです。