ValueError: Shape must be rank 2 but is rank 1 for 'MatMul' (op: 'MatMul') with input shape: [2], [2,3]

Question

我对 Tensorflow 来说是个新闻。 我已经在搜索相同的问题，但我无法理解。 有代码。希望你能帮助我。

代码：

import tensorflow as tf

w1 = tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2 = tf.Variable(tf.random_normal([3,3],stddev=1,seed=1))

x = tf.constant([0.7,0.9])

a = tf.matmul(x, w1)
y = tf.matmul(a, w2)

sess = tf.Session()

sess.run(w1.initializer)
sess.run(w2.initializer)

print(sess.run(y))
sess.close()

Answer 1

常数x的形状是(2,) ，即一维数组，并且您试图将其与形状为(2, 3)的二维数组w1相乘，这对于矩阵乘法是不可能的，因为数字第一个参数的列数必须等于第二个参数中的行数。 另外，我认为tf.matmul仅在两个数组都是二维的情况下才有效。

您可以将x的声明更改为的众多方法之一

x = tf.constant([[0.7], [0.9]])

这将创建一个形状为 (2, 1) 的二维常数张量。 然后乘以它，

a = tf.matmul(tf.transpose(x), w1)

tf.transpose()用于创建形状为 (2, 1) 的数组 x 到形状 (1, 2) 的转置。

希望这可以帮助。

Answer 2

在您的情况下，变量 x 的等级为 1。因此问题。

以下是您遇到此问题的原因。

请参考tensorflow API https://www.tensorflow.org/api_docs/python/tf/matmul

tf.matmul( a, b , transpose_a=False, transpose_b=False, adjoint_a=False, adjoint_b=False, a_is_sparse=False, b_is_sparse=False, name=None)

参数：

a： float16, float32, float64, int32, complex64, complex128 和rank > 1类型的张量。

b：与a具有相同类型和等级的张量。

Answer 3

x的形状是(2,) (2,3)与w1的形状(2,3)不匹配。

你应该改变

x = tf.constant([0.7,0.9])

到

x = tf.constant([[0.7,0.9]])

现在x的形状是(1,2)并且工作正常。