我得到一个matmul:输入操作数1在主体中有一个mismatch...error...full错误
根据您提供的问答内容，我将尝试给出一个完善且全面的答案。
这个错误提示 "matmul: 输入操作数1在主体中有一个mismatch...error...full 错误" 是由于矩阵乘法运算中的输入操作数1与主体矩阵的维度不匹配导致的。具体来说，矩阵乘法要求第一个矩阵的列数与第二个矩阵的行数相等，才能进行乘法运算。
解决这个错误的方法是检查输入操作数1的维度是否与主体矩阵的要求相匹配。您可以通过以下步骤来解决这个问题：
- 确认输入操作数1的维度：检查输入操作数1的行数和列数，确保其与主体矩阵的要求相匹配。
- 确认主体矩阵的维度：检查主体矩阵的行数和列数，确保其与输入操作数1的要求相匹配。
- 调整输入操作数1的维度：如果输入操作数1的维度与主体矩阵不匹配，您可以通过调整输入操作数1的维度来解决。可以使用矩阵转置、矩阵切片等操作来调整输入操作数1的维度，使其与主体矩阵相匹配。
- 检查代码逻辑：除了维度匹配外，还需要检查代码中的逻辑错误。确保矩阵乘法的操作数顺序正确，并且在进行乘法运算之前，输入操作数1和主体矩阵已经正确初始化。
对于云计算领域的相关知识，以下是一些相关名词的概念、分类、优势、应用场景以及腾讯云相关产品的介绍链接：
- 云计算（Cloud Computing）：云计算是一种通过网络提供计算资源和服务的模式。它可以提供灵活、可扩展、按需使用的计算资源，包括计算能力、存储空间和应用程序服务等。云计算可以分为公有云、私有云和混合云等不同类型。腾讯云产品：腾讯云计算服务（https://cloud.tencent.com/product/cvm）
- 前端开发（Front-end Development）：前端开发是指开发网站或应用程序的用户界面部分。它涉及使用HTML、CSS和JavaScript等技术来创建用户可以直接与之交互的界面。腾讯云产品：腾讯云静态网站托管（https://cloud.tencent.com/product/scf）
- 后端开发（Back-end Development）：后端开发是指开发网站或应用程序的服务器端部分。它涉及处理数据、逻辑和安全等后台操作。腾讯云产品：腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 软件测试（Software Testing）：软件测试是指通过执行软件系统的验证和验证活动来评估系统的质量和功能。它可以帮助发现和修复软件中的错误和缺陷。腾讯云产品：腾讯云测试云（https://cloud.tencent.com/product/tencentcloudtest）
- 数据库（Database）：数据库是用于存储和管理数据的系统。它可以提供数据的安全性、可靠性和高效性。腾讯云产品：腾讯云数据库（https://cloud.tencent.com/product/cdb）
- 服务器运维（Server Operations）：服务器运维是指管理和维护服务器的活动，包括安装、配置、监控和维护服务器的硬件和软件。腾讯云产品：腾讯云云服务器（https://cloud.tencent.com/product/cvm）
- 云原生（Cloud Native）：云原生是一种构建和运行在云环境中的应用程序的方法。它强调容器化、微服务架构、自动化和可扩展性等特性。腾讯云产品：腾讯云容器服务（https://cloud.tencent.com/product/tke）
- 网络通信（Network Communication）：网络通信是指在计算机网络中传输数据和信息的过程。它涉及网络协议、数据传输和网络安全等方面。腾讯云产品：腾讯云私有网络（https://cloud.tencent.com/product/vpc）
- 网络安全（Network Security）：网络安全是指保护计算机网络和系统免受未经授权的访问、攻击和损害的过程。它涉及防火墙、加密、身份验证和访问控制等技术。腾讯云产品：腾讯云安全产品（https://cloud.tencent.com/product/security）
- 音视频（Audio and Video）：音视频是指处理和传输音频和视频数据的技术。它涉及音频编解码、视频编解码、流媒体和实时通信等方面。腾讯云产品：腾讯云音视频服务（https://cloud.tencent.com/product/tcvs）
- 多媒体处理（Multimedia Processing）：多媒体处理是指处理和编辑多媒体数据（如图像、音频和视频）的技术。它涉及图像处理、音频处理、视频编辑和压缩等方面。腾讯云产品：腾讯云多媒体处理（https://cloud.tencent.com/product/mps）
- 人工智能（Artificial Intelligence）：人工智能是指使计算机系统具备智能和学习能力的技术。它涉及机器学习、深度学习、自然语言处理和计算机视觉等方面。腾讯云产品：腾讯云人工智能（https://cloud.tencent.com/product/ai）
- 物联网（Internet of Things）：物联网是指通过互联网连接和交互的物理设备和对象的网络。它涉及传感器、通信和数据分析等技术。腾讯云产品：腾讯云物联网套件（https://cloud.tencent.com/product/iotexplorer）
- 移动开发（Mobile Development）：移动开发是指开发移动应用程序的过程。它涉及移动应用的设计、开发和测试等方面。腾讯云产品：腾讯云移动应用开发套件（https://cloud.tencent.com/product/mad）
- 存储（Storage）：存储是指保存和管理数据的过程。它涉及文件存储、对象存储和块存储等技术。腾讯云产品：腾讯云对象存储（https://cloud.tencent.com/product/cos）
- 区块链（Blockchain）：区块链是一种分布式账本技术，用于记录和验证交易。它具有去中心化、不可篡改和可追溯等特性。腾讯云产品：腾讯云区块链服务（https://cloud.tencent.com/product/bcs）
- 元宇宙（Metaverse）：元宇宙是指虚拟现实和增强现实等技术构建的虚拟世界。它可以提供沉浸式的用户体验和交互。腾讯云产品：腾讯云元宇宙服务（https://cloud.tencent.com/product/vr）
请注意，以上提供的腾讯云产品链接仅作为参考，具体的产品选择应根据实际需求和情况进行评估和决策。
相关·内容
函数中有下一个for循环。
def Cost_F(Y, Ypred, m):
for i in range(0,m):
# Y and Ypred
X = np.matmul(-Y, np.log10(Ypred))
Y和Ypred的尺寸均为(10,1)。
Y和Ypred => 类的类型
来自cmd => TypeError的错误:一元-的坏操作数类型：'NoneType'
浏览 0提问于2018-02-28得票数 3
回答已采纳
我正在尝试使用TFLiteConverter转换我的网络。因此，我首先尝试了示例代码。它起作用了。但经过一些修改后，它会发回错误。似乎input_array和output_array的大小必须相同。我就是不明白为什么。有人能帮我吗？ 我将img的大小和var的大小从[1,64,64,3，3修改为1,64,3,1完整的代码粘贴在enter code here下面 import tensorflow as tf
img = tf.placeholder(name="img", dtype=tf.float32, shape=(1, 64, 64, 1))
var = tf.ge
浏览 23提问于2019-09-25得票数 0
在线性代数中，常用的方法是通过在输入中附加一个虚常数维数来优化乘法的公共运算，然后将整个过程转化为一个单乘( Wx + b => W'x')。
在Tensorflow中这样做有什么好处，还是会对其进行优化(例如tf.matmul(...) + b与tf.matmul(...))
浏览 1提问于2017-05-21得票数 0
回答已采纳
1回答
下面的代码是我在许多老手的帮助下创建的：
该代码接受输入的数学表达式，并将其拆分为运算符和操作数以供以后使用。我已经创建了两个函数，拆分的解析函数和错误函数。我遇到了错误函数的问题，因为它不会显示我的错误消息，而且当代码运行时，我觉得该函数被忽略了。如果输入这样的表达式，则应打印错误: 3//3+4等，其中有两个运算符在一起，或者表达式中总共有两个以上的运算符，但错误消息不打印。我的代码如下：
def errors():
numExtrapolation,opExtrapolation=parse(expression)
if (len(numExtrapolation) =
浏览 0提问于2012-11-02得票数 0
回答已采纳
在学习完教程后，我正在尝试学习tensorflow，但我不想使用mnist数据库，所以我可以学习python中的数据库管理(我是新手，从c++/java到它是一个艰难的学习曲线)。
所以，这是我的代码。我尝试过打印形状、值和所有类型的东西，但似乎都不起作用。注意:如果x的形状为0,100，权重为100，0，matmul的误差就会消失，但结果的形状是0,0，并且不能添加到偏差中。我100%确定这是一个新手错误，但我将感谢您的任何帮助。提前谢谢。
import tensorflow as tf
import pandas as pd
data = pd.read_csv('trainin
浏览 0提问于2018-05-04得票数 0
当我运行pytorch matmul时，会引发以下错误：
Traceback (most recent call last):
File "/home/omrastogi/Desktop/Side/One-Class-Classification-Customer-Complaints/pattern.py", line 71, in <module>
print(obj.infer(list([df.text[0]]), list([df.reason[0]])))
File "/home/omrastogi/Desktop/Side/On
浏览 713提问于2022-08-29得票数 0
表示a[2, 3]是2x3维的矩阵。假设每个输入中有10个元素，网络是一个两个元素的分类器(例如，猫或狗)。假设只有一个致密层。现在，我忽略了偏差向量。我知道这是一个过于简单的神经网络，但它仅适用于此示例。神经网络密集层中的每个输出可以计算为 output = matmul(input, weights) 其中weights是权重矩阵10x2，input是输入向量1x10，output是输出向量1x2。 我的问题是:可以用一个矩阵乘法同时计算整个输入序列吗？看起来你可以计算 output = matmul(input, weights) 其中总共有100个输入，input是100x10，we
浏览 20提问于2020-11-28得票数 1
回答已采纳
我想用下面的方法将一个5x1矩阵乘以1x1矩阵。每次它都会给出以下错误 ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) 这是我正在尝试的方法。请在这里帮助我调试具体的实例 >>> m = np.ones(5)
>>> x = np.ones(1)
>>> m.shape
(5,)
>>> x.shape
(1,)
>&
浏览 1288提问于2020-07-03得票数 0
1回答
我有一个tensorflow.js模型，并为我的模型创建了虚拟输入，即：
a=tf.tensor2d([1,2,3,4,5,6,7,8],[8,1],dtype="int32")
我使用以下行将其输入到我的模型中：
model.then(m => m.executeAsync({"input_ids":a,"attention_mask":a,"token_type_ids":a}))
其中三个输入具有相同的值，但我得到以下错误消息：
Uncaught (in promise) Error: Error in matMul
浏览 3提问于2022-03-27得票数 2
我有2个三维张量A的形状(batch_size，dim1，dim2)和B的大小(batch_size，dim2，dim3).我想执行以下计算：
C = np.zeros((batch_size, dim1, dim3))
for i in range(batch_size):
c[i] = A[i].dot(B[i])
我尝试了C = tf.matmul(A,B)，但得到了错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError:形状必须为2级，但对于输入形状为10、100、100、10、100的“MatMul”
浏览 0提问于2018-02-22得票数 0
1回答
Tensorflow转置矩阵乘法
、、、、
尝试在MatrixMultiplication中使用TF
import tensorflow as tf
a1 = tf.constant(tf.random.normal(shape=(5,4,64)))
tf.matmul(a1,a1,transpose_b=True)
这非常好，但是如果我像下面这样手动地transpose输入a1，我会得到一个错误：
tf.matmul(a1,tf.transpose(a1))
错误：
InvalidArgumentError: In[0] and In[1] must have compatible batch dimensions: [5,4,64]
浏览 1提问于2021-04-30得票数 1
回答已采纳
我目前在一个非常基本的C++类中，我们正在编写一个程序来检查输入是字符串还是其中有数字。但是，当我尝试测试它时，我得到了错误：
行长度应小于或等于80个字符。
错误位置显示了问题所在：
if ((checknum == 1 && checkVector[0] == 1)|| checknum == 0 || checknum == strlength) {
是否有任何方法将其拆分成多行以避免此错误？它不会让我在没有空白的情况下运行它。
浏览 3提问于2017-02-14得票数 2
我将在一层中使用锯齿激活函数，并将其定义为：(锯齿函数的形式不是重要的部分，它是x对多项求和的函数：sin(x) - 1⁄2sin(2x) + 1⁄3sin(3x) - 1⁄4sin(4x) + 1⁄5sin(5x) - 1⁄6sin(6x) + ...，我已经使用了500项)。
def sawtooth1 (x):
I= K.arange (1, 500, dtype='float32')
out= K.sum(-K.sin(K.dot(I,(x+pi)))/I, axis= 1)
return out[0]
这与numpy一起工作得很好。但是当我在这
浏览 10提问于2020-05-12得票数 1
回答已采纳
我要在Tensorflow中创建一个LSTM神经网络。
输入张量大小为92。
import tensorflow as tf
from tensorflow.contrib import rnn
import data
test_x, train_x, test_y, train_y = data.get()
# Parameters
learning_rate = 0.001
epochs = 100
batch_size = 64
display_step = 10
# Network Parameters
n_input = 28 # input size
n_hidden =
浏览 4提问于2017-04-14得票数 3
我刚刚开始学习Python/NumPy。我想写一个函数，它将应用一个具有2个输入和1个输出的操作，以及一个给定的权重矩阵，即两个形状为(2,1)的NumPy数组，并且应该使用tanh返回形状为(1,1)的NumPy数组。这是我想出来的： import numpy as np
def test_neural(inputs,weights):
result=np.matmul(inputs,weights)
print(result)
z = np.tanh(result)
return (z)
x = np.array([[1],[1]])
y = np.arr
浏览 40提问于2020-09-14得票数 0
回答已采纳
1回答
我正在尝试使用Keras训练一个单步LSTM模型。但是，当我调用predict函数时，我得到了以下错误：
InvalidArgumentError: cannot compute MatMul as input #0 was expected to be a float tensor but is a double tensor [Op:MatMul] name: lstm_5/MatMul/
我的输入形状是(250，7，3)
以下是该模型的配置和摘要：
single_step_model = tf.keras.models.Sequential()
single_step_model.add
浏览 24提问于2019-10-21得票数 1
我怀疑这一点已经被问到了，尽管在我的搜索中，其他许多问题都有一些特殊的独特问题，这些问题似乎不适用于我的情况(或者解决方案在我的头上)。
我在tensorflow中有一个标准的前馈神经网络，它使用rank2输入张量[None, n_features]大小，[n_features, n_neurons]的权值，从而形成一个隐藏的tf.matmul(inputs, weight) = [None, n_neurons]层来正确地工作。
然而，我想把我的维度扩展到输入和输出的一个维度。例如，我想要
inputs = tf.placeholder("float", shape=[Non
浏览 0提问于2018-05-23得票数 2
回答已采纳
在下面的代码中，我想让密集矩阵B左乘一个稀疏矩阵A，但是我得到了错误。
import tensorflow as tf
import numpy as np
A = tf.sparse_placeholder(tf.float32)
B = tf.placeholder(tf.float32, shape=(5,5))
C = tf.matmul(B,A,a_is_sparse=False,b_is_sparse=True)
sess = tf.InteractiveSession()
indices = np.array([[3, 2], [1, 2]], dtype=np.int64)
浏览 1提问于2017-08-17得票数 1
回答已采纳
1回答
用numpy线性代数计算二次响应
、、、、
我在numpy中很难操作矩阵。我有N个输入向量θ，我想用二次模型来计算标量响应，θ^Tθ+θ^ to + c，其中^T表示转置，A是NxN平方矩阵，b是N维向量，c是标量。当θ是(NxM)矩阵时，意味着我要传播Mθ值，我必须计算θ^Tθ才能得到一个M维矩阵。在索引表示法中，计算是theta_{mj} A_{ji} theta_{im}，其中m不被求和。
如果我只有一组θ值，那么numpy的线性代数就像预期的那样工作(在这里，N=10和M=1)：
In [1]: import numpy as np
In
浏览 2提问于2019-10-17得票数 0
回答已采纳
使用PGI编译器使用OpenACC加速Fortran代码时，我在加速循环中调用matmul时遇到了问题。 在简化的示例中，我将单位矩阵应用于两个向量，因此输入和输出值应该相同： program test
implicit none
integer :: a(3, 3)
integer :: v1(3, 2), v2(3, 2)
integer :: i
a = reshape([1, 0, 0, 0, 1, 0, 0, 0, 1], [3, 3])
v1 = reshape([1, 2, 3,
浏览 56提问于2021-01-20得票数 0
为什么这不起作用：
pl_input = tf.sparse_placeholder('float32',shape=[None,30])
W = tf.Variable(tf.random_normal(shape=[30,1]), dtype='float32')
layer1a = tf.sparse_matmul(pl_input, weights, a_is_sparse=True, b_is_sparse=False)
错误信息是
TypeError: Failed to convert object of type <class 't
浏览 7提问于2017-07-14得票数 1
如何使用Javascript在Tensorflow中广播矩阵A与多个向量的乘法？让我们定义A：
A = tf.tensor2d([1, 0, 0, 2], [2, 2])
A.print()
Tensor
[[1, 0],
[0, 2]]
让我们将b向量定义为列向量(矩阵)：
b = Array.apply({}, new Array(10)).map(_ => tf.tensor2d([[Math.floor(Math.random() * 100)], [Math.floor(Math.random() * 100)]]));
b[0].print()
Tensor
浏览 0提问于2018-10-01得票数 2
1回答
我为链表编写了一个程序，它按升序接受值。我有一个which循环在程序中，我有一个问题。我不会输入完整的代码，它只是按升序插入的模块函数。这里，将x作为用户输入，并将head节点传递到函数中。现在，在while循环中，如果我交换条件，即将"x > temp->next->data“放在前面，然后将"temp->next != NULL”移到后面，那么，如果我的输入序列是(1，2，3，4，5)，即已经在升序，那么我就会得到一个错误。
list *insert(list *head, int x)
{
list *temp = head, *pre
浏览 2提问于2019-09-13得票数 0
回答已采纳
1回答
我有一个脚本，我正在尝试将我的数学操作从NumPy操作转换为TensorFlow操作，这样它就可以在GPU上获得更快的速度。在我的脚本中，我的结果是我有一个形状(260)的数组，需要与另一个形状(260)的数组进行矩阵乘法，如下所示：
import numpy as np
x = np.array([2] * 260)
y = np.array([4] * 260)
r = np.matmul(x,y) #np.dot(x,y) also works
print(r) #2080
但是在TensorFlow中不可能进行相同的操作。
import tensorflow as tf
x = t
浏览 7提问于2017-12-17得票数 0
回答已采纳
在几年没有使用Fortran之后，我在matmul上遇到了一些麻烦。假设我有两个矩阵: A_{N，K}和B_{J，K}。我想要创建一个子例程，它接受A行和B行，乘以它并创建标量C。这就是我所写的：
subroutine test_matmul(A, B, N, K, J, row_a, row_b, C)
integer, intent(in) :: N, K, J, row_a, row_b
double precision, dimension(N,K), intent(in) :: A
do
浏览 0提问于2019-02-07得票数 1
回答已采纳
3回答
我有一个例子，两个特定维数的矩阵的乘法在numpy中有效，但在tensorflow中不起作用。
x = np.ndarray(shape=(10,20,30), dtype = float)
y = np.ndarray(shape=(30,40), dtype = float)
z = np.matmul(x,y)
print("np shapes: %s x %s = %s" % (np.shape(x), np.shape(y), np.shape(z)))
这将按预期工作并打印：
np shapes: (10, 20, 30) x (30, 40) = (10, 20,
浏览 0提问于2017-02-13得票数 7
4回答
我正在做一个小的Java程序，可以加密任何类型的文件。我这样做的方法如下:我打开输入文件，在一个与该文件大小相同的字节数组中读取它，然后进行编码，并将整个数组写入一个名为output.dat的.dat文件。为了索引字节数组，我使用了一个int类型的变量。代码：
for(int i : arr) {
if(i>0) {
arr[i] = arr[i-1]^arr[i];
}
}
‘'arr’是一个与输入文件大小相同的字节数组。
我得到的错误: CodingEvent.ja
浏览 1提问于2013-07-16得票数 6
回答已采纳
2回答
下面的链接清楚地指出，gfortran期望输入到matmul的矩阵为1或2级。然而，下面的代码段不会编译：
Program scratch
real(kind=8) :: A(10)=(/0,1,2,3,4,5,6,7,8,9/)
real(kind=8) :: B(10)=(/0,1,2,3,4,5,6,7,8,9/)
real(kind=8) :: C(10,10)
print *,rank(A),rank(B)
C=matmul(A,B)
End Program scratch
gfortran给出了错误：
$gfortran scratch.f90
scrat
浏览 1提问于2017-06-02得票数 1
回答已采纳
错误：
ValueError:形状的等级必须为2，但对于输入形状为6、6的“”MatMul“”(op：“”MatMul“”)，等级为1。“
import tensorflow as tf
with tf.device('/gpu:1'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], name='b')
c = tf.matmul(a, b)
sess =
浏览 48提问于2019-02-15得票数 1
我正在尝试按照说明安装CUDA ()。
我可以按照说明在没有CUDA后端的情况下安装cudarray python包。安装似乎是成功的。当"pip freeze“时，我可以在列表中看到"cudarray==0.1.dev0”。
虽然我真正想设置的是CUDA后端，但我遇到了麻烦。
问题#1:说明建议INSTALL_PREFIX应该是"/usr/local“，而CUDA_PREFIX应该是"/usr/local/cuda”。我的python是通过Data/Anaconda安装的，我的站点包的路径是"C:\Users\XYZ\AppData\Local\Dat
浏览 5提问于2016-07-10得票数 0
回答已采纳
我是fortran的新手，我必须用MATMUL()将不同形状的矩阵相乘，结果并不是我所期望的……
下面是我的fortran代码：
integer, dimension(3,2) :: a
integer, dimension(2,2) :: b
integer :: i, j
a = reshape((/ 1, 1, 1, 1, 1, 1 /), shape(a))
b = MATMUL(a,TRANSPOSE(a))
do j = 1, 2
do i = 1, 2
print*, b(i, j)
end do
end do
浏览 0提问于2020-06-18得票数 0
假设有两个输入Tensorflow的简单神经网络：
W0 = tf.Variable(tf.zeros([784, 100]))
b0 = tf.Variable(tf.zeros([100]))
h_a = tf.nn.relu(tf.matmul(x, W0) + b0)
W1 = tf.Variable(tf.zeros([100, 10]))
b1 = tf.Variable(tf.zeros([10]))
h_b = tf.nn.relu(tf.matmul(z, W1) + b1)
问题：，在下一层将这两个层合并成一个的好方法是什么？
我的意思是：
h_master = tf.n
浏览 1提问于2017-06-17得票数 3
回答已采纳
为了实现分类神经网络，我发现了一些非常有用的教程，如 (2隐藏层，一次热编码输出，退出正则化，归一化等)。它帮助我了解了Tensorflow API背后的一些学习曲线。然而，通过阅读，并看到乐观的反馈，我想在我的NN架构中对它进行实验。
在没有在Tensorflow API中创建它之后，我研究了如何定义自定义激活函数，并找到了，并认为使用Tensorflow原语实现“应该是可能的”。
因此，如果SQRT激活函数需要这样(请原谅粘贴，看起来比自己输入更好)：
我插入了以下代码，而不是隐藏层ReLU函数：
# ==== old activation function
# b = bias
浏览 0提问于2018-09-23得票数 1
回答已采纳
我正在尝试使用tensorflow tf.sparse_tensor_dense_matmul(X, W1)。X被定义为tf.placeholder：
X = tf.placeholder("float", [None, size])。
W是tf.Variable
当输入到dict中时，我正在传递tensorflow稀疏矩阵。但我发现了错误：
TypeError:输入必须是SparseTensor。
我如何让sparse_tensor_dense_matmul模块知道我将传递稀疏张量？
浏览 4提问于2016-12-12得票数 3
回答已采纳
2回答
提高稀疏矩阵的幂
、、
我有一个10001行+ 10001列的稀疏矩阵(多个0列)，
我试图提高这个稀疏矩阵的幂
即
A = [[1,1],[1,0]]
AS = sparse.csr_matrix(A)
AS
def matrixMul(AS, n):
if(n <= 1):
return AS
else:
return np.matmul(matrixMul(AS, n-1), AS)
matrixMul(AS, 10)
如果我提到2的幂，那么预期的结果应该是[2，1]。
我想找到^ 10
我该叫什么功能？我已经尝试了上面的代码，但是收到了这个错误。
谢谢
浏览 3提问于2021-10-20得票数 0
1回答
当im试图使用tf.matmul将形状为41、22、512和512的两个矩阵相乘时，我得到以下错误：
ValueError: Shape must be rank 2 but is rank 3 for 'MatMul' (op: 'MatMul')
with input shapes: [41,22,512], [512]..
我通常认为这样的乘法输出一个形状为41,22,1或41,22的张量。
浏览 0提问于2018-05-22得票数 0
回答已采纳
我正在学习的tensorflow急切的执行。当我尝试单元格"GPU使用“(参见下面)时，出现了一个错误，即变量没有放在GPU上。
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tf.enable_eager_execution()
A = tf.constant([[2.0, 0.0], [0.0, 3.0]])
if tf.test.is_gpu_available() > 0:
with tf.device(tf.test.gpu_device_name()):
print
浏览 0提问于2018-04-02得票数 0
回答已采纳
我一直在使用张量流来实现一个神经网络，但我不知道发生了什么，但我得到了以下错误信息：
h1=tf.nn.elu(tf.matmul(X,w_h1)+b_h1)
AttributeError: 'module' object has no attribute 'elu'
如果我用tf.nn.elu(tf.matmul(X,w_h1)+b_h1)代替tf.nn.relu(tf.matmul(X,w_h1)+b_h1)，效果很好。
然而，激活函数elu被列出为。
有人知道一定发生了什么吗？
浏览 1提问于2017-08-26得票数 0
回答已采纳
1回答
我训练了一个宽度为384的双向LSTM，它使用Tensorflow/Keras输入维度(None，4995，12)。我一直试图了解我的输入维是如何在LSTM单元输入中映射到x_t的，因为当我检查LSTM的内部权重时，我注意到我的权重是维度(384,12)。
Tensorflow/Keras是否自动将输入数组划分为384大小的分区？我假设它不会对我的输入进行时间分割，因为这是TimeDistributed LSTM的一个特性。任何有关这方面的信息都是有帮助的。
更新:我在仔细阅读LSTM的Tensorflow实现时发现，输入数据被重组为与x_t数组相同的长度。那么，我的问题是，Tensorflo
浏览 0提问于2021-06-15得票数 1
回答已采纳
2回答
我试图按照TensorFlow 的教程创建一个基于Core的机器学习模型。但我得到了以下错误：
错误:传递给'matMul‘的参数'b’必须是张量或TensorLike，但得到'null‘
我正在windows 10上工作，使用tfjs@1.5.2
const tf = require('@tensorflow/tfjs');
const tfcore = require('@tensorflow/tfjs-core')
const w1 = tf.variable(tf.randomNormal([784, 32]));
c
浏览 1提问于2020-03-04得票数 1
回答已采纳
5回答
我有一些由input_x表示的数据。它是一个未知大小的张量(应该由批处理输入)，其中的每个项目都是大小为n的。input_x经历了tf.nn.embedding_lookup，因此embed现在有维度[?, n, m]，其中m是嵌入大小，?是未知的批处理大小。
这里描述了这一点：
input_x = tf.placeholder(tf.int32, [None, n], name="input_x")
embed = tf.nn.embedding_lookup(W, input_x)
现在，我试图用矩阵变量U将输入数据中的每个样本(现在通过嵌入维度进行扩展)乘以，而我似乎无
浏览 7提问于2016-07-06得票数 48
回答已采纳
我已经使用matmul编写了代码，但我得到了以下错误： "ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 1 is different from 3)" 代码： R = [[0.40348195], [0.38658295], [0.82931052]]
V = [0.33452744, 0.33823673, 0.32723583]
p
浏览 957提问于2019-12-13得票数 11
回答已采纳
import numpy as np
v = np.zeros((3,10000), dtype=np.float32)
mat = np.zeros((10000,10000000), dtype=np.int8)
w = np.matmul(v, mat)
收益率
Traceback (most recent call last):
File "int_mul_test.py", line 6, in <module>
w = np.matmul(v, mat)
numpy.core._exceptions.MemoryError: Unable
浏览 8提问于2022-02-15得票数 0
回答已采纳
1回答
我在尝试使用枕稀疏矩阵(type:scipy.sparse.csr.csr_matrix)和numpy数组(type:numpy.ndarray)进行乘法时遇到了问题。
为了证明这一点，这里有一个小实验。
1.首先创建矩阵
row = [0, 1, 2]
col = [0, 0, 1]
value = [1, 2, 3]
x = csr_matrix((value, (row, col)), shape=[3, 3])
和
w = np.random.normal(size=(3,2))
2.然后使用np.matmul() 进行乘法并得到错误。
np.matmul(x,w)
ValueErro
浏览 37提问于2022-05-30得票数 1
1回答
我有一个神经网络，有两个隐藏层，每个层有6个节点，输入有11个节点，一个输出(二进制分类)：
L1 = tf.nn.sigmoid(tf.matmul(X, W1) + b1)
L2 = tf.nn.sigmoid(tf.matmul(L1, W2) + b2)
hy = tf.nn.sigmoid(tf.matmul(L2, W3) + b3)
我的成本函数定义如下，其中y是占位符：
cost = tf.reduce_mean(-Y * tf.log(hy) - (1 - Y) * tf.log(1 - hy))
我的优化器：
optimizer = tf.train.RMSPropOpti
浏览 0提问于2019-05-22得票数 1
我在TensorFlow中有一个循环，如下所示：
with tf.device("/gpu:1"):
losses = []
for target, output in zip(targets, lstm_outputs):
logits = tf.matmul(W, output) + b
loss = tf.nn.sparse_softmax_cross_entropy_with_logits(logits, target)
losses.append(loss)
total_loss = tf.a
浏览 6提问于2016-03-24得票数 8
回答已采纳
我一直在尝试运行这个Tensorflow风格的传输实现-- Windows上的 ( GPU版本)，但是我得到了以下错误：
ResourceExhaustedError (关于追溯，请参阅上文)：OOM在使用shape64,239400分配张量时[节点:渐变/MatMul_grad/MatMul=MatMul]
我在Tensorflow和Python方面都是一个完全的初学者，所以我不知道如何解决这个问题。
浏览 6提问于2017-04-08得票数 0
回答已采纳
1回答
我试图修改TensorFlow MNIST示例，以便在生成结果之前将占位符输入值传递给一个变量进行操作。
例如：
import tensorflow as tf
# create placeholder/weights/biases
input_x = tf.placeholder(tf.float32, [None, 784])
input_W = tf.Variable(tf.zeros([784, 10]))
input_b = tf.Variable(tf.zeros([10]))
# Create the new variable
var_x = tf.Variable(tf.z
浏览 2提问于2017-04-26得票数 1
在PyTorch中有两个张量，z是形状(n_samples, n_features, n_views)的三维张量，其中n_samples是数据集中的样本数，n_features是每个样本的特征数，n_views是描述相同(n_samples, n_features)特征矩阵的不同视图数，但与其他值相同。
我有另一个二维张量b，形状为(n_samples, n_views)，它的目的是在不同的视图中重新描述样本的所有特征。换句话说，它封装了同一个示例每个视图的特性的重要性。例如：
import torch
z = torch.Tensor(([[2,3], [1,1], [4,5]],
浏览 0提问于2021-06-07得票数 2
回答已采纳
我正在nodejs应用程序中实现摩卡测试，我再次犯了一个错误。
而不是编写it('should ...' , function(done){}); I wrote if('should ...
if ('should implment rest style "destroy" method', function(done){
request(app)
.del('/restLike/41')
.expect(200, '<h1>Rest L
浏览 2提问于2013-12-02得票数 3
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
