TensorFlow MatMul报错求助：形状应为2阶但实际为1阶

嘿，我来帮你搞定这个报错～你遇到的ValueError是因为矩阵乘法要求输入都是二维张量，而你定义的x是一维的（形状是[2]），和w1的[2,3]形状不匹配，所以tf.matmul没法执行。

错误原因拆解 #

TensorFlow的tf.matmul遵循标准矩阵乘法规则：第一个张量的列数必须等于第二个张量的行数。你的x是一个一维数组，相当于只有一行但没有明确的行维度，而w1是2行3列的二维矩阵，两者没法直接做乘法。

两种修改方案 #

方案1：直接把x定义为二维常量

把x = tf.constant([0.7,0.9])改成x = tf.constant([[0.7,0.9]])，这样x的形状就变成了[1,2]（1行2列的行向量），就能和w1的[2,3]匹配了。

修改后的完整代码：

import tensorflow as tf
w1 = tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2 = tf.Variable(tf.random_normal([3,3],stddev=1,seed=1))
# 定义为二维行向量
x = tf.constant([[0.7,0.9]])
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
sess = tf.Session()
sess.run(w1.initializer)
sess.run(w2.initializer)
print(sess.run(y))
sess.close()

方案2：用tf.expand_dims给x增加维度

如果不想修改x的初始定义，可以用tf.expand_dims给x添加一个行维度，把一维张量转成二维：

import tensorflow as tf
w1 = tf.Variable(tf.random_normal([2,3],stddev=1,seed=1))
w2 = tf.Variable(tf.random_normal([3,3],stddev=1,seed=1))
x = tf.constant([0.7,0.9])
# 增加第0维度，把形状从[2]变成[1,2]
x = tf.expand_dims(x, 0)
a = tf.matmul(x, w1)
y = tf.matmul(a, w2)
sess = tf.Session()
sess.run(w1.initializer)
sess.run(w2.initializer)
print(sess.run(y))
sess.close()

运行任意一种修改后的代码，就能得到正确的输出啦～

内容的提问来源于stack exchange，提问作者馮推宇