为什么我得到这个ValueError？ [英] Why am I getting this ValueError?

问题描述

所以这里是我的代码，充分了解： https://hastebin.com/qigimomika.py
。

所以基本上我有一个问题，以下行：

有点上下文：

  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（以上）时，它会产生以下内容ValueError

  ValueError：Shape必须是2级，但是'MatMul'的排名1（op：'MatMul'）
具有输入形状：[4]，[4,32]。 
  

现在我的问题：会发生什么以及如何避免这种情况？

感谢您的关注

编辑 ：谢谢我的解决方案：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1（[4]）和我的第二个数组2（[4，32]）。所以我添加了这一行：

  state = [state] 
  

由此声明输入是：

  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）。

谢谢

EDIT2： 确定自上次编辑以来，我改变了很多。我失去了记录的变化。如果您希望看到我的代码这里。我知道这是凌乱的他妈的。现在我只是很开心，狗屎正在工作：D，你将无法理解我的代码，这是一个完整的混乱，但我只想记录当前的状态。一个大的 谢谢 到阿里·阿巴西 ：D。

解决方案

在这里，我们是因为你知道 MatMul 操作是经典的矩阵乘法运算，所以如果我们要乘以两个矩阵， M1 和 M2 ，形状分别为 AxB 和 BxC 当我们想要乘法和结果时，具有相同的形状 B

M1 x M2 生成矩阵 R ，形状为 AxC 。

所以在你的情况下，你尝试将形状 4x1 和 4x32 乘以两个矩阵，所以它会引发形状问题的错误，你应该转置第一张张，然后你有：

1x4 MatMul 4 x32 导致 1x32 矩阵。

您的代码在这里：

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

使用如下：

h_layer1 = tensorflow.add（tensorflow.matmul（tf.transpose（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：

print h_layer1.get_shape（）

看到形状，那么你可以修改你的形状和投​​入。

祝你好运。

So here is my code for a full understanding: https://hastebin.com/qigimomika.py .

So basically I have a problem with the following lines:

a bit context:

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])

the line which produces the error:

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

When I run the whole code (which is above) it produces the following ValueError

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

Now my question: What happens and how can I avoid this ?

Thanks for your attention

EDIT: thanks to Prune and Ali Abbasi.

My solution: I changed the input_layer to:

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

The problem was that my first array was tensorflow rank 1 ([4]) and my second array rank 2 ([4, 32]). So I added this line:

state = [state]

whereby state the input is:

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

state was initially [1, 2, 3, 4] (rank 1), now it is [[1, 2, 3, 4]] (rank 2).

thanks

EDIT2: Ok I changed a lot since the last EDIT. I got lost of the changes to record them. In case you want to see my code here it is. I know it's messy as fuck. For now I am just soo happy that shit is working :"D. You will not be able to understand my code it's a total mess but I just wanted to document the current state. A big thanks to Ali Abbasi :D.

解决方案

Here we are since you know MatMul operations is classic Matrix Multiplication operation so if we want to multiply two matrices, M1 and M2, with shape AxB and BxC respectively, we should have same shapes B when we want to multiplication and in result:

M1 x M2 results in a matrix R with shape AxC.

So in your case you try to multiplication two matrices with shape 4x1 and 4x32, so it throws an error of shape problem, you should transpose the first tensor, then you have:

1x4 MatMul 4x32 result in 1x32 matrix.

Your code here:

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

Use like this:

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

For more detailed answer, you can print the shapes of tensors in each stage like:

print h_layer1.get_shape()

And see the shapes, then you can modify your shapes and inputs.

Good Luck.

这篇关于为什么我得到这个ValueError？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！