Question

所以这是我的完整理解代码：https://hastebin.com/qigimomika.py

所以基本上我遇到以下几行问题：

一点背景：

def weight_variable(shape):
    initial = tensorflow.truncated_normal(shape, stddev=0.01)
    return tensorflow.Variable(initial)

def bias_variable(shape):
    initial = tensorflow.constant(0.01, shape=shape)
    return tensorflow.Variable(initial)

w_layer1 = weight_variable([4, 32])
b_layer1 = bias_variable([32])

input_layer = tensorflow.placeholder("float", [4])

产生错误的行：

h_layer1 = tensorflow.add(tensorflow.matmul(input_layer, w_layer1),b_layer1)

当我运行整个代码（上面的代码）时，它会产生以下ValueError

ValueError: Shape must be rank 2 but is rank 1 for 'MatMul' (op: 'MatMul') 
            with input shapes: [4], [4,32].

现在我的问题：会发生什么，我该如何避免这种情况？

感谢您的关注

编辑：感谢Prune和Ali Abbasi。

我的解决方案：我将input_layer更改为：

input_layer = tensorflow.placeholder("float", [1, 4])

问题是我的第一个数组是张量流等级1（[4]）和我的第二个数组等级2（[4,32]）。所以我添加了这一行：

state = [state]

表示输入状态为：

output_layer.eval(feed_dict={input_layer : state})

状态最初是[1,2,3,4]（等级1），现在是[[1,2,3,4]]（等级2）。

感谢

EDIT2： 好的，自上次编辑后我改变了很多。我迷失了记录它们的变化。如果你想看到我的代码here，那就是。我知道他妈的很乱。现在，我很高兴，狗屎正在运作：“D。你将无法理解我的代码，这是一团糟，但我只是想记录当前的状态。一个很大的谢谢至 Ali Abbasi ：D。

Answer 1

我们知道MatMul操作是经典的矩阵乘法运算，所以如果我们想要将M1和M2两个矩阵相乘，形状AxB和{分别为{1}}，当我们想要乘法时，我们应该有相同的形状BxC：

B会生成一个形状为M1 x M2的矩阵R。

因此，在您的情况下，您尝试将两个矩阵与形状AxC和4x1相乘，因此它会抛出形状问题的错误，您应该转置第一个张量，然后您有：

4x32 MatMul 1x4会产生4x32矩阵。

您的代码在这里：

1x32

像这样使用：

h_layer1 = tensorflow.add(tensorflow.matmul(input_layer, w_layer1),b_layer1)

有关更详细的答案，您可以在每个阶段打印张量的形状，如：

h_layer1 = tensorflow.add(tensorflow.matmul(tf.transpose(input_layer), w_layer1),b_layer1)

看到形状，然后你可以修改你的形状和输入。

祝你好运。

为什么我得到这个ValueError？

1 个答案: