tensorflow矩阵相乘，秩不同报错

在tensorflow中写了这样一句：

y_out = tf.matmul(outputs, W)

其中，outputs的shape为[16,336,400]，W的shape为[400,1]

出现以下报错：

Shape must be rank 2 but is rank 3 for 'MatMul' (op: 'MatMul') with input shapes: [16,336,400], [400,1].

Numpy下同样的写法没有问题

      1. import numpy as np

  2.  

  3. A = np.array([[[1, 2, 3, 4],

  4.         [5, 6, 7, 8],

  5.         [9, 0, 1, 2]],

  6.         [[4, 3, 2, 1],

  7.         [8, 7, 6, 5],

  8.                [2, 1, 0, 9]]])

  9. print(A)

  10. print(A.shape)

  11. print('---------------------------')

  12.  

  13. B = np.array([[1], [2], [3], [4]])

  14. print(B)

  15. print(B.shape)

  16. print('---------------------------')

  17.  

  18. C = np.matmul(A, B)

  19. print(C)

  20. print(C.shape)




![](/static/blog/img/csdnimg/newCodeMoreWhite.png)

输出结果：

      1. [[[1 2 3 4]

  2.   [5 6 7 8]

  3.   [9 0 1 2]]

  4.  

  5.  [[4 3 2 1]

  6.   [8 7 6 5]

  7.   [2 1 0 9]]]

  8. (2, 3, 4)

  9. ---------------------------

  10. [[1]

  11.  [2]

  12.  [3]

  13.  [4]]

  14. (4, 1)

  15. ---------------------------

  16. [[[30]

  17.   [70]

  18.   [20]]

  19.  

  20.  [[20]

  21.   [60]

  22.   [40]]]

  23. (2, 3, 1)




![](/static/blog/img/csdnimg/newCodeMoreWhite.png)

解决办法

方案一

      1. import numpy as np

  2. import tensorflow as tf

  3. sess = tf.Session()

  4.  

  5. A = np.array([[[1, 2, 3, 4],

  6.                [5, 6, 7, 8],

  7.                [9, 0, 1, 2]],

  8.               [[4, 3, 2, 1],

  9.                [8, 7, 6, 5],

  10.                [2, 1, 0, 9]]])

  11. B = np.array([[1], [2], [3], [4]])

  12.  

  13. A = tf.cast(tf.convert_to_tensor(A), tf.int32) # shape=[2, 3, 4]

  14. B = tf.cast(tf.convert_to_tensor(B), tf.int32) # shape=[4, 1]

  15.  

  16. #-----------------------------------------修改部分（开始）-----------------------------------------

  17. #要想让A和B进行tf.matmul操作，第一个维数必须一致。因此要把B先tile后转成[2, 4, 1]维

  18. B_ = tf.tile(B, [2, 1])# B的第一维复制2倍，第二维复制1倍

  19. B = tf.reshape(B_, [2, 4, 1])

  20. # 或 更通用的改法：

  21. #B_ = tf.tile(B, [tf.shape(A)[0], 1])

  22. #B = tf.reshape(B_, [tf.shape(A)[0], tf.shape(B)[0], tf.shape(B)[1]])

  23. #-----------------------------------------修改部分（结束）-----------------------------------------

  24.  

  25. #此时就可以matmul了

  26. C = tf.matmul(A, B)

  27. print('C:',C.get_shape().as_list())

  28. sess.run(C)




![](/static/blog/img/csdnimg/newCodeMoreWhite.png)

输出结果：

      1. ('C:', [2, 3, 1])

  2.  

  3. array([[[30],

  4.         [70],

  5.         [20]],

  6.  

  7.        [[20],

  8.         [60],

  9.         [40]]], dtype=int32)

方案二

      1. import numpy as np

  2. import tensorflow as tf

  3. sess = tf.Session()

  4.  

  5. A = np.array([[[1, 2, 3, 4],

  6.         [5, 6, 7, 8],

  7.         [9, 0, 1, 2]],

  8.         [[4, 3, 2, 1],

  9.         [8, 7, 6, 5],

  10.         [2, 1, 0, 9]]])

  11. B = np.array([[1], [2], [3], [4]])

  12.  

  13. A = tf.cast(tf.convert_to_tensor(A), tf.int32) # shape=[2, 3, 4]

  14. B = tf.cast(tf.convert_to_tensor(B), tf.int32) # shape=[4, 1]

  15.  

  16. #-----------------------------------------修改部分（开始）-----------------------------------------

  17. #把A的前两个维度展为一个维度

  18. A = tf.reshape(A, [-1, 4])

  19.  

  20. #此时就可以matmul了

  21. C = tf.matmul(A, B)

  22. # print('C:',C.get_shape().as_list())  #结果： [6, 1]

  23.  

  24. #再把C的前两个维度还原

  25. C = tf.reshape(C, [2, 3, 1])

  26.  

  27. #-----------------------------------------修改部分（结束）-----------------------------------------

  28. print('C:',C.get_shape().as_list())

  29. sess.run(C)




![](/static/blog/img/csdnimg/newCodeMoreWhite.png)

输出结果：

('C:', [2, 3, 1])



array([[[30],
        [70],
        [20]],

       [[20],
        [60],
        [40]]], dtype=int32)