Tensorflow例外与MATMUL

Question

我是一个总的初学者TensorFlow，和我试图将两个矩阵相乘在一起，但我不断收到写着一个例外：

ValueError异常：形状TensorShape（[尺寸（2） ]）和TensorShape（[尺寸（无），外形尺寸（无）]）必须具有相同的等级

下面是最小的示例代码：

data = np.array([0.1, 0.2]) 
x = tf.placeholder("float", shape=[2]) 
T1 = tf.Variable(tf.ones([2,2])) 
l1 = tf.matmul(T1, x) 
init = tf.initialize_all_variables() 

with tf.Session() as sess: 
    sess.run(init) 
    sess.run(feed_dict={x: data} 

令人困惑的是，下面的非常相似的代码工作正常：

data = np.array([0.1, 0.2]) 
x = tf.placeholder("float", shape=[2]) 
T1 = tf.Variable(tf.ones([2,2])) 
init = tf.initialize_all_variables() 

with tf.Session() as sess: 
    sess.run(init) 
    sess.run(T1*x, feed_dict={x: data} 

任何人都可以指出是什么问题？我必须缺少明显的东西在这里..

Answer 1

的tf.matmul()运算要求两个其输入是矩阵（即，2-d张量）^*，并且不执行任何自动转换。您的T1变量是一个矩阵，但是您的x占位符是一个长度为2的向量（即一维张量），它是错误的来源。

相比之下，*运算符（tf.multiply()的别名）是一种广播单元乘法。它将通过跟随NumPy broadcasting rules将矢量参数转换为矩阵。

为了使您的矩阵乘法的工作，你可以要求x是一个矩阵：

data = np.array([[0.1], [0.2]]) 
x = tf.placeholder(tf.float32, shape=[2, 1]) 
T1 = tf.Variable(tf.ones([2, 2])) 
l1 = tf.matmul(T1, x) 
init = tf.initialize_all_variables() 

with tf.Session() as sess: 
    sess.run(init) 
    sess.run(l1, feed_dict={x: data}) 

...或者你可以使用tf.expand_dims() op将向量转换为一个矩阵：

data = np.array([0.1, 0.2]) 
x = tf.placeholder(tf.float32, shape=[2]) 
T1 = tf.Variable(tf.ones([2, 2])) 
l1 = tf.matmul(T1, tf.expand_dims(x, 1)) 
init = tf.initialize_all_variables() 

with tf.Session() as sess: 
    # ... 

^*这是真的，当我第一次发布答案，但现在tf.matmul()也支持批量矩阵乘法。这需要两个参数都至少具有两个维度。有关更多详细信息，请参阅the documentation。