使用TensorFlow.js的matMul遇报错，同逻辑在NumPy可正常运行

问题原因 #

TensorFlow.js 的 matMul 与 NumPy 的 matmul 对低维张量的广播逻辑存在差异。你的张量形状分别为 [6890, 3, 10]（3维）和 [10]（1维），NumPy 会自动对1维张量做维度扩展以适配矩阵乘法，但 TF.js 的 matMul 要求参与运算的张量至少为2维，且需满足前一个张量的最后一维等于后一个张量的倒数第二维的匹配规则，直接传入1维张量会触发维度不匹配错误。

解决方法 #

将1维的 tensor2 重塑为2维张量，使其维度与 tensor1 的最后一维匹配，同时支持广播运算：

let tensor1 = tf.tensor(m1);
// 将1维张量转为 [10, 1] 的2维张量
let tensor2 = tf.tensor(m2).reshape([10, 1]);
console.log(tensor1.shape, tensor2.shape); // 输出: [6890, 3, 10] [10, 1]
const result = tf.matMul(tensor1, tensor2);

// 若需移除结果中多余的最后一维（从 [6890, 3, 1] 转为 [6890, 3]），可使用 squeeze
const finalResult = result.squeeze([2]);

原理说明 #

调整后的 tensor2 形状为 [10, 1]，与 tensor1 的最后两维 [3, 10] 满足矩阵乘法规则（(3,10) × (10,1) → (3,1)），TF.js 会自动对前面的 6890 维度进行广播，最终得到形状为 [6890, 3, 1] 的结果。通过 squeeze([2]) 移除最后一个长度为1的维度后，结果形状与 NumPy matmul 的输出完全一致。

内容的提问来源于stack exchange，提问作者Gandalf the White