形状必须为1级，但带有输入形状的“平铺”（操作：“平铺”）必须为0级

Question

我正在尝试为混合密度网络计算一个简单的损失函数。 输出的形状为（batch_size = 128,2），mu参数的形状为（batch_size，2 * Num_mixes）。为了能够计算它们之间的差异，我需要对输出进行平铺，使其具有与mu相同的形状，但会出现主题错误

我不知道为什么输出的形状为（128,2），但其等级仍为0。请您帮忙？

def calc_pdf(y, mu, var):
    """Calculate component density"""
    print(y.shape)
    print(mu.shape)
    value = tf.subtract(y, mu)**2

    value = (1/tf.math.sqrt(2 * np.pi * var)) * tf.math.exp((-1/(2*var)) * value)
    print(value.shape)
    return value

y shape is (128, 2)
mu shape is (128, 60)
y rank is Tensor("Rank:0", shape=(), dtype=int32)

   ValueError: Shape must be rank 1 but is rank 0 for 'Tile' (op: 'Tile') with input shapes: [128,2], [].