InvalidArgumentError：无法计算 MatMul，因为输入 #1（从零开始）预计是双张量，但实际上是浮点张量 [Op:MatMul] 名称：

Question

input_data 的数据类型是 numpy.float64 的数组，但代码在张量流库中仍然失败，因为它不是“double”。不知道如何解决这个问题。

import tensorflow as tf
import numpy as np

input_data = np.random.uniform(low=0.0, high=1.0, size=100)
print("type(input_data):", type(input_data), "type(input_data[0]):", type(input_data[0]))

class ArtificialNeuron(tf.Module):
    def __init__(self):
        self.w = tf.Variable(tf.random.normal(shape=(1, 1)))
        self.b = tf.Variable(tf.zeros(shape=(1,)))

    def __call__(self, x):
        return tf.sigmoid(tf.matmul(x, self.w) + self.b)

neuron = ArtificialNeuron()

# Fails here: InvalidArgumentError: cannot compute MatMul as input #1(zero-based) was expected to be a double tensor but is a float tensor [Op:MatMul] name: 
output_data = neuron(input_data)  

Answer 1

抛出错误是因为您在未转换的情况下混合

float32

和

float64

张量。默认情况下，

numpy

使用

float64

，而 TensorFlow 使用

float32

。通常较高级别的模块会执行转换，但我认为您使用的是低级构建块，因此您必须自己进行转换。

您可以简单地测试一下：

import numpy as np
import tensorflow as tf

x = np.array([[1.0]], dtype=np.float64)
w = tf.zeros(shape=(1,1))
tf.matmul(x, w)

# => InvalidArgumentError: cannot compute MatMul as input #1(zero-based) was expected to be a double tensor but is a float tensor [Op:MatMul]
# Changing np.float32 to np.float64 above the code works...

因此，您要么必须使用

float32

将输入转换为

np.float32(input_data)

，要么到处使用

float64

张量。您还可以将 TensorFlow 的默认精度更改为

float64

，如下所述：TensorFlow 默认精度模式？

简而言之，要修复代码，请将最后一行中的

input_data

替换为

np.float32(input_data)

，并将

size=100

定义中的

input_data

替换为

size=(100,1)

。