ValueError：形状必须为 2 级，但对于输入形状为 [6]、[6] 的“MatMul”（操作：“MatMul”）为 1 级答案

【问题标题】：ValueError: Shape must be rank 2 but is rank 1 for 'MatMul' (op: 'MatMul') with input shapes: [6], [6]ValueError：形状必须为 2 级，但对于输入形状为 [6]、[6] 的“MatMul”（操作：“MatMul”）为 1 级
【发布时间】：2019-02-15 06:35:12
【问题描述】：

错误：

ValueError：形状必须为 2 级，但对于输入形状为 [6]、[6] 的“MatMul”（操作：“MatMul”）为 1 级。

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。

【问题讨论】：

你期待什么结果？
a 和 b 相乘。

标签： tensorflow

【解决方案1】：

tf.matmul 将矩阵、二维张量相乘。您正在尝试使用 matmul 将两个作为 1 维张量的向量相乘。

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

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))

【讨论】：

【解决方案2】：

否则，如果您想进行矩阵乘法，而不是元素乘法，正如其他答案中所建议的那样，您需要将向量设为 2D 才能将行向量乘以列向量：

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))

【讨论】：

【解决方案3】：

您可以使用 tf.expand_dims(a,0) 和 tf.expand_dims(b,1) 来获得 2 级形状。试试下面的代码：

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

【讨论】：