Question

我有数据向量（1 coloumn），我正在使用

def propup(self, vis):
   pre_sigmoid_activation = numpy.dot(vis, self.W) + self.hbias
   return sigmoid(pre_sigmoid_activation)

但我收到错误

ValueError：形状（171，）和（784,500）未对齐：171（暗淡0）！= 784（暗淡0）

Answer 1

矩阵和矢量之间的点积定义为so。

这意味着矩阵的宽度和矢量的高度应该相同。

在您的情况下ves.shape = [,171]，它是向量的高度，但self.W.shape = [784, 500]表示矩阵self.W的宽度为784。要使numpy.dot正常工作，您需要确保ves.shape = [x, 784]其中x是某个整数。

如果没有更多代码，我只能猜测你正在尝试训练神经网络以解决MNIST问题（784维度非常具体）。因此，请确保将正确的向量发送到propup()。无论如何，这里有一些关于矩阵乘法的好消息：矩阵乘法：https://www.mathsisfun.com/algebra/matrix-multiplying.html

python numpy ValueError：shapes（171，）和（784,500）未对齐：171

1 个答案: