Python 在tensorflow占位符上使用tensorflow reduce_sum会导致随机错误

我正在tensorflow中实现复制的Softmax模型。给定一批数据，我必须沿着行求和（生成一个列向量），并且我必须取这与隐藏单位偏差的外积。 使用

tf.matmul（tf.squage（tf.reduce\u sum（visible\u units，1，keepdims=True）），tf.expand\u dims（self.h，1））

会导致此错误

InvalidArgumentError（回溯请参见上文）：In[0]不是矩阵

这里的

可见单位

是一个

tf.占位符

（维度：批量大小x n个可见单位），而

self.h

是隐藏层偏差（n个隐藏单位）

这个错误毫无意义，似乎完全无关。 如果我将

tf.matmul（tf.squence（tf.reduce\u sum（visible\u units，1，keepdims=True）），tf.expand\u dims（self.h，1））

替换为刚才的

self.h

我的代码运行良好

编辑：

---

tf.squence（tf.reduce\u sum（visible\u units，1，keepdims=True））

生成一个一维张量，因此必须对其进行重塑

你能发布一个完整的堆栈跟踪吗？原来我给tf.matmul输入了一个一维张量。我修好了。