Eigen矩阵乘法触发lhs.cols() == rhs.rows()断言报错如何解决

错误原因 #

你遇到的断言是Eigen库对矩阵乘法维度的强制校验，矩阵乘法要求左矩阵的列数等于右矩阵的行数，两个2×1矩阵直接做矩阵乘法不符合维度要求，因此触发崩溃。
从代码场景来看，你此处是实现神经网络反向传播的梯度计算逻辑，*=运算符在Eigen的MatrixXf类中被重载为矩阵乘法，但你实际需要的是两个矩阵对应位置元素相乘（哈达玛积），和矩阵乘法的逻辑完全不同。

解决方案 #

方案1：使用逐元素乘法（推荐，适配你的代码场景） #

将报错行替换为逐元素乘法的接口调用即可：

gradients = gradients.cwiseProduct(output_errors);

Eigen的cwiseProduct()方法专门用于实现两个同维度矩阵的逐元素相乘，完全符合反向传播中梯度与误差项相乘的逻辑。

方案2：调整维度做合法矩阵乘法 #

如果你确实需要做矩阵乘法而非逐元素相乘，需要调整两个矩阵的维度匹配规则：

• 若要得到2×2的外积结果，使用列向量乘行向量的写法：

  MatrixXf outer_product = gradients * output_errors.transpose();
  

• 若要得到1×1的内积结果，使用行向量乘列向量的写法：

  MatrixXf inner_product = gradients.transpose() * output_errors;
  

内容的提问来源于stack exchange，提问作者yarin Cohen