Python [0]中的元素不是矩阵。相反，它有形状[100][Op:MatMul]

我是tensorflow的新手，我正在尝试为NLP实现一个简单的神经网络，但我遇到了一个我无法解决的错误。我的网络代码如下：

model = tf.keras.Sequential()
model.add(layers.Dense(7*7*256, use_bias=False, input_shape=(100,)))
model.add(layers.BatchNormalization())
model.add(layers.ReLU())

model.add(layers.Dense(7*7*256, use_bias=False))
model.add(layers.BatchNormalization())
model.add(layers.ReLU())

model.add(layers.Dense(7*7*128, use_bias=False))
model.add(layers.BatchNormalization())
model.add(layers.ReLU())

model.add(layers.Dense(7*7*64, use_bias=False))
model.add(layers.BatchNormalization())
model.add(layers.ReLU())

model.add(layers.Dense(7*7*64, use_bias=False))
model.add(layers.BatchNormalization())
model.add(layers.ReLU())

model.add(layers.Dense(100, use_bias = False, activation="relu"))

输入形状为（100，）。我正在尝试输入100个浮点的张量（0和1之间的ascii字符规格化），如下代码所示：

generator = make_generator_model()

human_array = tf.convert_to_tensor([human[0]])
print("human shape: " + str(tf.shape(human[0])))
noise = tf.random.normal([1, 100])
print("noise shape: " + str(tf.shape(noise)))
generated_response_test = generator(human[0], training=False)

print("m: " + chr(109))
print(generated_response_test)
print(get_message(np.round(generated_response_test[0] * 95 + 32)))

其中，human[0]是我所说的张量

我得到了以下错误和警告：

WARNING:tensorflow:Model was constructed with shape (None, 100) for input
Tensor("dense_input:0", shape=(None, 100), dtype=float32), but it was
called on an input with incompatible shape (100,).

In[0] is not a matrix. Instead it has shape [100] [Op:MatMul]

有趣的是，当我传入具有相同形状的正态分布的随机噪声时，代码不会出现警告或错误。tf.shape（noise）和tf.shape（human[0]）的输出分别为：

所以我很困惑

我很确定这是我定义张量变量的方式的问题，matmul（）需要一个矩阵作为输入，但我一辈子都不知道如何将我的列表转换成正确的格式，我在互联网上找不到任何解决我问题的方法

有人能帮忙吗？

---

谢谢

我可以通过在tf.variable中指定shape=[1100]而不是shape=（100，）来解决这个问题，我将[]移到了输入中，因此我的工作代码是

generator = make_generator_model()

human_input = tf.Variable([np.array(human[0])], dtype = tf.float32, shape = [1,100])
human_input = tf.random.normal([1, 100])
generated_response = generator(human_input, training=False)

print("m: " + chr(109))
print(generated_response)
print(print_message(np.round(generated_response[0] * 95 + 32)))

---

注意我对人类输入定义的不同。希望这有助于任何人也有这个问题，并评论这个答案，如果你需要更多的信息

您的

human

在这里是什么？您的

human[0]

缺少批处理维度，但根据您的打印结果，它在那里，因此这确实很奇怪。您能否尝试将

tf.expand_dims（人类[0]，0）

作为输入输入到生成器中？

generator = make_generator_model()

human_input = tf.Variable([np.array(human[0])], dtype = tf.float32, shape = [1,100])
human_input = tf.random.normal([1, 100])
generated_response = generator(human_input, training=False)

print("m: " + chr(109))
print(generated_response)
print(print_message(np.round(generated_response[0] * 95 + 32)))