Question

我试图将一组向量与相应的矩阵相乘，并希望在结尾处对得到的向量求和。作为一个笨拙的例子，我们假设我们有20个矢量和矩阵分别为10x1和150x1：

import numpy as np
np_b=[ np.random.rand(10) for i in range(20)]
np_A=[ np.random.rand(150,10) for i in range(20)]
#first we multiply each vector with it's corresponding matrix
np_allMuls=np.array([np.dot(np_A[i],np_b[i]) for i in range(20)] ) 
#then we sum all of the vectors to get the 150 dimensional sum vector
np_allSum=np.sum( np_allMuls,axis=0 )

到目前为止，我已经得到张量流0.10：

import tensorflow as tf
tf_b = tf.placeholder("float", [None,10])
tf_A= tf.placeholder("float", [None,150,10])
#the following gives me ValueError: Shape (?, 150, 10) must have rank 2
tf_allMuls=tf.matmul(tf_A,tf_b)

但是这个符号乘法给出了错误“ValueError：Shape（？，150,10）必须具有等级2”。

有谁知道为什么我收到这样的错误消息？我怎样才能正确获得tf_allMuls？

Answer 1

来自tf.matmul的文档：

输入必须是矩阵（或等级> 2的张量，代表批次的矩阵，具有匹配的内部尺寸，可能在之后转置。

考虑到您使用None作为占位符的第一个参数，第二个选项与您相关，即“批量矩阵”。但是你的tf_b是一批向量，而不是矩阵，所以两个矩阵的等级不一样，这就是你得到错误的原因。您应该使用：

tf_b = tf.placeholder("float", [None, 10, 1])
tf_A = tf.placeholder("float", [None, 150, 10])
tf_allMuls = tf.matmul(tf_A, tf_b)

因此似乎matmul无法广播（可能会检查此post）并且我同意您收到的错误消息有点误导。

这是一个简单的例子：

tf_b = tf.placeholder("float", [None, 3, 1])
tf_A = tf.placeholder("float", [None, 3, 3])
tf_allMuls = tf.matmul(tf_A, tf_b)

with tf.Session() as sess:
    b = np.array([1, 2, 3])[np.newaxis, :, np.newaxis]
    A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])[np.newaxis, ...]
    muls = sess.run(tf_allMuls, feed_dict={tf_b: b, tf_A: A})
    print muls

打印

[[[ 14.]
  [ 32.]
  [ 50.]]]

另请注意，tf.matmul的参数顺序很重要，就像您习惯于实际矩阵乘法一样。所以虽然这个

tf_b = tf.placeholder("float", [None, 1, 3])
tf_A = tf.placeholder("float", [None, 3, 3])
tf_allMuls = tf.matmul(tf_A, tf_b)

不工作，以下会（当然，它不是计算相同的东西，但它不会引发错误）：

tf_b = tf.placeholder("float", [None, 1, 3])
tf_A = tf.placeholder("float", [None, 3, 3])
tf_allMuls = tf.matmul(tf_b, tf_A)

许多矩阵与向量的乘法和张量流中得到的向量的总和

1 个答案: