Shape must be rank 2 but is rank 1 for 'MatMul'

标签：生成   若是   res   引入   must   sha   自己   解决办法   bsp   

我在做多元线性回归的时候，在预测数据时遇到的：

这是由于我录入的数据如：[1,2]  他的shape是[2,],而我在参数(也就是y = w1*x1+w2*x2+b 中的w)用的是placeholder生成，

shape是（2，1）的；所以无法进行矩阵乘法；

解决办法是：

在录入数据的时候通过data = numpy.array([1,2]) ，这个需要引入numpy包, 然后在通过data.reshape(1,2) 来改变他的形状，这时候就可以进行矩阵乘法了；

代码如下：

1：对数据进行转型：

import numpy as np

data = np.array([1,2])

data_real = data.reshape(2,1)

若是参数w也是自己输入的或者是一个列表或者是数组：也是做同样的操作

2：然后在做矩阵乘法（我是在tensorflow中）

tf.matmul(data,w)

Shape must be rank 2 but is rank 1 for 'MatMul'

标签：生成   若是   res   引入   must   sha   自己   解决办法   bsp   

原文地址：https://www.cnblogs.com/bluesl/p/9215752.html