ValueError：Shape必须是2级，但是'MatMul'的排名是3

Question

我有以下TensorFlow代码：

layer_1 = tf.add(tf.matmul(tf.cast(x, tf.float32), weights['h1']), biases['b1'])

但是抛出以下错误：

ValueError: Shape must be rank 2 but is rank 3 for 'MatMul' (op: 'MatMul') with input shapes: [?,5741,20000], [20000,128].

它说x的形状为（？，5741,20000）。 我怎样才能将x的形状转换为（5741,20000）？

先感谢您！

Answer 1

我建议使用张量点积而不是简单矩阵乘法，以保持批量大小。 这个答案比@mrry更通用

layer_1 = tf.add(tf.tensordot(tf.cast(x, tf.float32), weights['h1'], [[2], [0]]), biases['b1'])

Answer 2

看起来你正试图将'x'与'权重'进行矩阵乘法运算。 对于一个示例，x的形状为[5741,20000]，但是当您批量提供示例时，x将具有[？，5741,20000]的形状。 同样，权重也应该具有[？，20000,128]的形状。 但是，从错误中看，你的权重看起来仍然是[20000,128]，这告诉我你的代码中有一些问题没有将权重变量转换为形状[？，20000,128]。 当你能想到这一点时，错误就会消失。 矩阵乘法的结果应该是[？，5741,128]的形状

Answer 3

假设x的动态形状x是(1, 5741, 20000)可以将其形状变换到(5741, 20000)使用tf.squeeze()如下：

x = tf.squeeze(x, axis=[0])