ValueError：形状必须是秩 2，但对于输入形状的'MatMul'(操作："MatMul")的秩为 1：[6]、[6]

Question

错误：

valueerror：形状必须为等级2，但具有输入形状的" matmul"（op：'matmul'）的等级1：[6]，[6]。

import tensorflow as tf
with tf.device('/gpu:1'):
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='a')
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='b')
    c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

我不知道怎么了。非常感谢您的帮助。

Answer 1

tf.matmul乘以矩阵，张量，具有2个维度。您正在尝试使用Matmul乘以两个具有1个维度的张量的向量。

您的预期结果是[ 1. 4. 9. 16. 25. 36.]，它是向量元素的元素乘法。要获得它，您必须使用tf.multiplyOP。

import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name="a")
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name="b")
c = tf.multiply(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

Answer 2

否则，如果要执行矩阵乘法，而不是elementwise，则如其他答案中所建议的，您需要通过列矢量为2d到多个行矢量：

import tensorflow as tf
a = tf.constant([[1.0], [2.0], [3.0], [4.0], [5.0], [6.0]], name="a") # Shape [6, 1]
b = tf.constant([[1.0, 2.0, 3.0, 4.0, 5.0, 6.0]], name="b") # Shape [1, 6]
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True)) print(sess.run(c))

Answer 3

您可以使用tf.expand_dims（a，0）和tf.expand_dims（b，1）具有2个形状。尝试以下代码：

a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='b')
c = tf.matmul(tf.expand_dims(a,0), tf.expand_dims(b, 1))
c2=tf.squeeze(c)
sess=tf.Session()
print(sess.run(c))
print(sess.run(c2))enter code here

它将显示：

[[ 91.]]
91.0