Question

我试图通过以下方式将两个具有不同形状的矩阵放在张量中：

    import tensorflow as tf
    matrix =  [[1, 2,  3,  4,  5],
              [6,  7,  8,  9, 10],
              [11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25]]
    matrix2 = [[1, 2, 3],
              [6, 7, 8],
              [11, 12, 13],
              [16, 17, 18],
              [21, 22, 23]]
    test = []
    test.append(matrix)
    test.append(matrix2)
    with tf.Session().as_default():
         c = tf.convert_to_tensor(test)
         print(c.eval())

执行此代码会产生以下错误：

    ValueError: Argument must be a dense tensor: got shape [2, 5], but wanted [2, 5, 5]

如果我将这些矩阵转换为numpy数组，那么numpy数组会将每个矩阵的行视为列表。有没有其他方法可以在Tensorflow中执行我的目标操作？

Answer 1

错误是由于matrix（5x5）和matrix2（5x3）的尺寸不匹配造成的。

import numpy as np

mat2=[[1,2,3],[6,7,8]]
mat1=[[1,2,3,4,5],[3,4,5,6,7]]
test = []
test.append(mat1)
test.append(mat2)
res=np.array(test)
print res

数组（[[list（[1,2,3,4,5]），list（[3,4,5,6,7]）]， [list（[1,2,3]），list（[6,7,8]）]]，dtype = object）

此处res是Jagged array。为了创建一个张量，你需要一个Matrix，即基本差异是矩阵的形状也就是张量的等级（与数学中的秩不同）应该是矩形的（每行的元素数相等） See here。

在你的情况下，你试图从维度[（5x5），（5x3）]的三维列表创建一个张量，即。三维阵列内的两个二维阵列的尺寸不匹配。

解决方案：

制作matrix [5x3]或制作matrix2 [5x5]

在Tensorflow和Python中应用tensorflow.convert_to_tensor时获取ValueError

1 个答案: