tensorflow报错:Shape must be rank 2 but is rank 3 for 'MatMul' (op: 'MatMul')

来源：互联网发布：淘宝客平台源码编辑：程序博客网时间：2024/05/19 12:13

tensorflow矩阵相乘，秩不同报错

在tensorflow中写了这样一句：

y_out = tf.matmul(outputs, W)

其中，outputs的shape为[16,336,400]，W的shape为[400,1]

出现以下报错：

Shape must be rank 2 but is rank 3 for 'MatMul' (op: 'MatMul') with input shapes: [16,336,400], [400,1].

Numpy下同样的写法没有问题

import numpy as npA = np.array([[[1, 2, 3, 4],        [5, 6, 7, 8],        [9, 0, 1, 2]],        [[4, 3, 2, 1],        [8, 7, 6, 5],               [2, 1, 0, 9]]])print(A)print(A.shape)print('---------------------------')B = np.array([[1], [2], [3], [4]])print(B)print(B.shape)print('---------------------------')C = np.matmul(A, B)print(C)print(C.shape)

输出结果：

[[[1 2 3 4]  [5 6 7 8]  [9 0 1 2]] [[4 3 2 1]  [8 7 6 5]  [2 1 0 9]]](2, 3, 4)---------------------------[[1] [2] [3] [4]](4, 1)---------------------------[[[30]  [70]  [20]] [[20]  [60]  [40]]](2, 3, 1)

解决办法

方案一

import numpy as npimport tensorflow as tfsess = tf.Session()A = np.array([[[1, 2, 3, 4],               [5, 6, 7, 8],               [9, 0, 1, 2]],              [[4, 3, 2, 1],               [8, 7, 6, 5],               [2, 1, 0, 9]]])B = np.array([[1], [2], [3], [4]])A = tf.cast(tf.convert_to_tensor(A), tf.int32) # shape=[2, 3, 4]B = tf.cast(tf.convert_to_tensor(B), tf.int32) # shape=[4, 1]#-----------------------------------------修改部分（开始）-----------------------------------------#要想让A和B进行tf.matmul操作，第一个维数必须一致。因此要把B先tile后转成[2, 4, 1]维B_ = tf.tile(B, [2, 1])# B的第一维复制2倍，第二维复制1倍B = tf.reshape(B_, [2, 4, 1])# 或 更通用的改法：#B_ = tf.tile(B, [tf.shape(A)[0], 1])#B = tf.reshape(B_, [tf.shape(A)[0], tf.shape(B)[0], tf.shape(B)[1]])#-----------------------------------------修改部分（结束）-----------------------------------------#此时就可以matmul了C = tf.matmul(A, B)print('C:',C.get_shape().as_list())sess.run(C)

输出结果：

('C:', [2, 3, 1])array([[[30],        [70],        [20]],       [[20],        [60],        [40]]], dtype=int32)

方案二

import numpy as npimport tensorflow as tfsess = tf.Session()A = np.array([[[1, 2, 3, 4],        [5, 6, 7, 8],        [9, 0, 1, 2]],        [[4, 3, 2, 1],        [8, 7, 6, 5],        [2, 1, 0, 9]]])B = np.array([[1], [2], [3], [4]])A = tf.cast(tf.convert_to_tensor(A), tf.int32) # shape=[2, 3, 4]B = tf.cast(tf.convert_to_tensor(B), tf.int32) # shape=[4, 1]#-----------------------------------------修改部分（开始）-----------------------------------------#把A的前两个维度展为一个维度A = tf.reshape(A, [-1, 4])#此时就可以matmul了C = tf.matmul(A, B)# print('C:',C.get_shape().as_list())  #结果： [6, 1]#再把C的前两个维度还原C = tf.reshape(C, [2, 3, 1])#-----------------------------------------修改部分（结束）-----------------------------------------print('C:',C.get_shape().as_list())sess.run(C)

输出结果：

('C:', [2, 3, 1])

array([[[30],        [70],        [20]],       [[20],        [60],        [40]]], dtype=int32)

阅读全文

0 0