如何将迭代器返回的张量的形状与tensorflow变量对齐

这可能是一个非常简单的问题，但是我对tensorflow还是相当陌生的，并且一直在这个问题上纠缠不休。我使用tensorflow 1.12和python 3

我的问题是，设置迭代器返回的张量对象的形状的正确方法是什么

有了占位符，我可以让类似的代码工作，但我希望在没有占位符和使用tensorflow数据集的情况下工作

为了使用tf.matmul，我不知道如何将张量的形状与矩阵对齐

我收到的错误是：ValueError:Shape必须是秩2，但对于输入形状为[2]、[2,1]的“MatMul_19”（op:'MatMul'），它的秩1。

迭代器的数据集指定为：TensorSliceDataset形状：（2，），类型：tf.float32>

提前谢谢

import tensorflow as tf
import numpy as np

batch_size = 200

# this simulates a dataset read from a csv.....
x=np.array([[0., 0.], [1., 0.], [0., 1.], [1., 1.]],dtype="float32")
y=np.array([0, 0, 0, 1],dtype="float32")

dataset = tf.data.Dataset.from_tensor_slices((x))
print(dataset)                  # <TensorSliceDataset shapes: (2,), types: tf.float32>
dataset = dataset.repeat(10000)
print('repeat ds ', dataset)    # repeat ds  <RepeatDataset shapes: (2,), types: tf.float32>

iter = dataset.make_initializable_iterator()
print('iterator ', iter)        # iterator  <tensorflow.python.data.ops.iterator_ops.Iterator object at 0x0000028589C62550>

sess = tf.Session()
sess.run(iter.initializer)
next_elt= iter.get_next()

print('shape of dataset ', dataset , '[iterator] elt ', next_elt)  # shape of dataset  <RepeatDataset shapes: (2,), types: tf.float32> [iterator] elt  Tensor("IteratorGetNext_105:0", shape=(2,), dtype=float32)
print('shape of it ', next_elt.shape) #s hape of it  (2,)
for i in range(4):
    print(sess.run(next_elt))
    ''' outputs: 
    [0. 0.]
    [1. 0.]
    [0. 1.]
    [1. 1.]

    '''

w = tf.Variable(tf.random_uniform([2,1], -1, 1, seed = 1234),name="weights_layer_1")
# this is where the error is because of shape mismatch of iterator and w variable.
# How od I make the shape of the iterator (2,1) so that matmul can be used?
# What is the proper way of aligning a tensor shape with inut data
# The output of the error:
#     ValueError: Shape must be rank 2 but is rank 1 for 'MatMul_19' (op: 'MatMul') with input shapes: [2], [2,1].
H = tf.matmul( sess.run(next_elt) , w)

将tensorflow导入为tf
将numpy作为np导入
批量大小=200
#这将模拟从csv读取的数据集。。。。。
x=np.array（[[0,0.]，[1,0.]，[0,1.]，[1,1.]，dtype=“float32”）
y=np.array（[0,0,0,1]，dtype=“float32”）
dataset=tf.data.dataset.from_张量_切片（（x））
打印（数据集）#
数据集=数据集。重复（10000）
打印（“重复ds”，数据集）#重复ds
iter=dataset.make_initializable_iterator（）
打印（'iterator'，iter）#迭代器
sess=tf.Session（）
sess.run（iter.initializer）
下一个elt=iter.get_next（）
打印（“数据集的形状”，数据集，“[iterator]elt”，next_elt）”数据集的形状[iterator]elt张量（“IteratorGetNext_105:0”，形状=（2，），数据类型=float32）
打印（‘它的形状’，下一个字母形状）#它的形状（2，）
对于范围（4）中的i：
打印（sess.run（next_elt））
''输出：
[0. 0.]
[1. 0.]
[0. 1.]
[1. 1.]
'''
w=tf.Variable（tf.random\u uniform（[2,1]，-1,1，seed=1234），name=“weights\u layer\u 1”）
#这是由于迭代器和w变量的形状不匹配导致的错误。
#我如何制作迭代器（2,1）的形状以便使用matmul？
#将张量形状与inut数据对齐的正确方法是什么
#错误的输出：
#ValueError:形状必须为秩2，但对于输入形状为[2]，[2,1]的“MatMul_19”（op:'MatMul'），形状必须为秩1。
H=tf.matmul（sess.run（下一次测试），w）

您可以使用tf.reformate。只需在matmul操作之前添加

tf.重塑（下一步[1,2]）

---

有关重塑的详细信息

您可以使用tf.reforme。只需在matmul操作之前添加

tf.重塑（下一步[1,2]）

---

有关重塑的更多信息

谢谢！这就是我需要的。在宣布下一次英语教学后，我添加了next_elt=tf.reforme（next_elt[1,2]），它很有效。谢谢！这就是我需要的。我在宣布下一次英语教学后添加了next_elt=tf.reforme（next_elt[1,2]），它起作用了。