Matmul Eror形状

Question

在线性模型中将权重定义为变量

我是tensorflow的新手，我用tf.matmul运行了这段代码， 一开始-我不明白为什么matmul中的形状不好。-我用变量定义中的另一个[]int修复了它。你知道吗

现在-我不明白为什么它仍然不起作用。你知道吗

import tensorflow as tf W = tf.Variable([[.3]], tf.float32) b = tf.Variable([[-.3]], tf.float32) x = tf.placeholder(tf.float32) linear_model = tf.matmul(x, W) + b sess = tf.Session() init = tf.global_variables_initializer() sess.run(init) print(sess.run(linear_model, {x: [[1, 2, 3, 4]]}))

Answer 1

好的，如果您添加其他括号，它应该可以工作：

W = tf.Variable([[.3]], tf.float32)
b = tf.Variable([[-.3]], tf.float32)
x = tf.placeholder(tf.float32)
...
print(sess.run(linear_model, {x: [[1],[2],[3],[4]]}))

Answer 2

问题是你在用matmul乘一维向量。如果通过W.get_shape()检查W的形状，它将返回（1，），而它应该是形状（1，1）的二维矩阵。只需添加括号：W = tf.Variable([[.3]], tf.float32)，就可以实现这一点。你知道吗

对x也这样做（sess.run(linear_model, {x: [[1, 2, 3, 4]]})）会创建一个（1,4）矩阵。但如果将x和W相乘，则会出现错误，因为您试图将（1,4）矩阵与（1,1）矩阵相乘，因此它们不兼容（第一个矩阵形状中的第二个值需要与第二个矩阵形状中的第一个值相同）。相反，您需要换位x，以便将（4,1）矩阵与（1,1）矩阵相乘。这可以通过使用matmul中的transpose_a=True标志来实现。下面是最后一段运行时不会出错的代码：

import tensorflow as tf

W = tf.Variable([[.3]], tf.float32)
b = tf.Variable([[-.3]], tf.float32)
x = tf.placeholder(tf.float32)

linear_model = tf.matmul(x, W, transpose_a=True) + b

sess = tf.Session()

init = tf.global_variables_initializer()
sess.run(init)

print(sess.run(linear_model, {x: [[1, 2, 3, 4]]}))