Python Can'；用张量流进行矩阵乘法

在Tensorflow中，我想使用以下代码进行矩阵乘法：

_X = np.array([[1, 2, 3], [4, 5, 6]])
_Y = np.array([[1, 1], [2, 2], [3, 3]])
X = tf.convert_to_tensor(_X)
Y = tf.convert_to_tensor(_Y)

res = tf.matmul(X, Y)

但是，我遇到了以下错误：

TypeError                                 Traceback (most recent call last)
<ipython-input-29-37c04c70cff8> in <module>()
      4 Y = tf.convert_to_tensor(_Y)
      5 
----> 6 res = tf.matmul(X, Y)

/Downloads/tensorflow-exercises-master/lib/python3.5/site-packages/tensorflow/python/ops/math_ops.py in matmul(a, b, transpose_a, transpose_b, adjoint_a, adjoint_b, a_is_sparse, b_is_sparse, name)
   1799     else:
   1800       return gen_math_ops._mat_mul(
-> 1801           a, b, transpose_a=transpose_a, transpose_b=transpose_b, name=name)
   1802 
   1803 

/Downloads/tensorflow-exercises-master/lib/python3.5/site-packages/tensorflow/python/ops/gen_math_ops.py in _mat_mul(a, b, transpose_a, transpose_b, name)
   1261   """
   1262   result = _op_def_lib.apply_op("MatMul", a=a, b=b, transpose_a=transpose_a,
-> 1263                                 transpose_b=transpose_b, name=name)
   1264   return result
   1265 

/Downloads/tensorflow-exercises-master/lib/python3.5/site-packages/tensorflow/python/framework/op_def_library.py in apply_op(self, op_type_name, name, **keywords)
    588               _SatisfiesTypeConstraint(base_type,
    589                                        _Attr(op_def, input_arg.type_attr),
--> 590                                        param_name=input_name)
    591             attrs[input_arg.type_attr] = attr_value
    592             inferred_from[input_arg.type_attr] = input_name

/Downloads/tensorflow-exercises-master/lib/python3.5/site-packages/tensorflow/python/framework/op_def_library.py in _SatisfiesTypeConstraint(dtype, attr_def, param_name)
     59           "allowed values: %s" %
     60           (param_name, dtypes.as_dtype(dtype).name,
---> 61            ", ".join(dtypes.as_dtype(x).name for x in allowed_list)))
     62 
     63 

TypeError: Value passed to parameter 'a' has DataType int64 not in list of allowed values: float16, float32, float64, int32, complex64, complex128

TypeError回溯（最近一次调用）
在（）
4y=tf。将_转换为_张量（_Y）
5.
---->6 res=tf.matmul（X，Y）
/下载/tensorflow练习master/lib/python3.5/site-packages/tensorflow/python/ops/math_ops.py（a，b，转置a，转置b，伴随a，伴随b，a是稀疏的，b是稀疏的，名称）
1799其他：
1800返回gen\u math\u ops.\u mat\u mul(
->1801 a，b，transpose_a=transpose_a，transpose_b=transpose_b，name=name）
1802
1803
/下载/tensorflow练习master/lib/python3.5/site-packages/tensorflow/python/ops/gen_math_ops.py in_mat_mul（a，b，transpose_a，transpose_b，name）
1261   """
1262结果=_op_def_lib.apply_op（“MatMul”），a=a，b=b，转置a=transpose_a，
->1263转置b=转置b，名称=名称）
1264返回结果
1265
/下载/tensorflow练习master/lib/python3.5/site-packages/tensorflow/python/framework/op_def_library.py in apply_op（self，op_type_name，name，**关键字）
588满足类型约束（基本类型，
589属性（操作定义，输入参数类型属性），
-->590参数名称=输入名称）
591属性[输入参数类型属性]=属性值
592根据[input_arg.type_attr]=input_name推断出的_
/下载/tensorflow练习master/lib/python3.5/site-packages/tensorflow/python/framework/op_def_library.py in_SatisfiesTypeConstraint（数据类型、属性定义、参数名称）
59“允许的值：%s”%
60（参数名称，数据类型.as\u数据类型（数据类型）.name，
--->61“，”
62
63
TypeError:传递给参数“a”的值的数据类型int64不在允许的值列表中：float16、float32、float64、int32、complex64、complex128

---

知道代码有什么问题吗？

这是

tf.matmul

的文档：

两个矩阵的类型必须相同。支持的类型包括：

float16

，

float32

，

float64

，

int32

，

complex64

，

complex128

将数据类型更改为支持的数据类型之一可以消除此错误

_X = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.int32)
_Y = np.array([[1, 1], [2, 2], [3, 3]], dtype=np.int32)
X = tf.convert_to_tensor(_X)
Y = tf.convert_to_tensor(_Y)

res = tf.matmul(X, Y)

sess = tf.Session()
res.eval(session=sess)
#array([[14, 14],
#       [32, 32]], dtype=int32)

---

以下是

tf.matmul

的文档：

两个矩阵的类型必须相同。支持的类型包括：

float16

，

float32

，

float64

，

int32

，

complex64

，

complex128

将数据类型更改为支持的数据类型之一可以消除此错误

_X = np.array([[1, 2, 3], [4, 5, 6]], dtype=np.int32)
_Y = np.array([[1, 1], [2, 2], [3, 3]], dtype=np.int32)
X = tf.convert_to_tensor(_X)
Y = tf.convert_to_tensor(_Y)

res = tf.matmul(X, Y)

sess = tf.Session()
res.eval(session=sess)
#array([[14, 14],
#       [32, 32]], dtype=int32)

---

你应该阅读我的最新帖子，它正好涵盖了这个例子：你应该阅读我的最新帖子，它正好涵盖了这个例子：