Ошибка в тензорном потоке: форма должна иметь ранг 2, но ранг 1 для 'MatMul_25'

Question

Я пытаюсь создать условный GAN. Тем не менее, я застрял в том, почему, независимо от того, что я делаю, появляется снова и снова одна и та же ошибка. Вот код:

image_dim = 784  #28 * 28
Y_dimension = 10
gen_hidd_dim = 256
disc_hidd_dim = 256
z_noise_dim =100 #input noise datapoint

def xavier_init(shape):
  return tf.random_normal(shape = shape, stddev = 1/tf.sqrt(shape[0]/2.0))

weights = {
    'disc_H' : tf.Variable(xavier_init([image_dim + Y_dimension, disc_hidd_dim])),
    'disc_final' : tf.Variable(xavier_init([disc_hidd_dim, 1])),
    'gen_H': tf.Variable([z_noise_dim + Y_dimension, gen_hidd_dim]),
    'gen_final': tf.Variable(xavier_init([gen_hidd_dim, image_dim]))
}

bias = {
    'disc_H': tf.Variable(xavier_init([disc_hidd_dim])),
    'disc_final': tf.Variable(xavier_init([1])),
    'gen_H': tf.Variable(xavier_init([gen_hidd_dim])),
    'gen_final': tf.Variable(xavier_init([image_dim]))
}

Z_input = tf.placeholder(tf.float32, shape= [None, z_noise_dim ], name = 'input_noise')
Y_input = tf.placeholder(tf.float32, shape= [None, Y_dimension], name='Labels')
X_input = tf.placeholder(tf.float32, shape=[None, image_dim], name = 'real_input')

def Discriminator(x,y):
  inputs = tf.concat(axis = 1, values = [x,y])
  hidden_layer = tf.nn.relu(tf.add(tf.matmul(inputs, weights['disc_H']), bias['disc_H']))
  final_layer = tf.add(tf.matmul(hidden_layer, weights['disc_final']), bias['disc_final'])
  disc_output = tf.nn.sigmoid(final_layer)
  return final_layer, disc_output

def Generator(x,y):
  inputs = tf.concat(axis=1, values=[x,y])
  hidden_layer = tf.nn.relu(tf.add(tf.matmul(tf.cast(inputs, tf.float32), tf.cast(weights['gen_H'], tf.float32)), tf.cast(bias['gen_H'],tf.float32)))
  final_layer = tf.add(tf.matmul(hidden_layer, weights['gen_final']), bias['gen_final'])
  gen_output = tf.nn.sigmoid(final_layer)
  return gen_output

output_Gen = Generator(Z_input, Y_input)

Сразу после запуска генератора я получаю следующую ошибку:

 ValueError: Shape must be rank 2 but is rank 1 for 'MatMul_25' (op: 'MatMul') with input shapes: [?,110], [2].

Что делать?

Answer 1

Я думаю, вы просто пропустили один вызов xavier_init() при инициализации своих весов.

У вас есть это:

weights = {
    'disc_H' : tf.Variable(xavier_init([image_dim + Y_dimension, disc_hidd_dim])),
    'disc_final' : tf.Variable(xavier_init([disc_hidd_dim, 1])),
    'gen_H': tf.Variable([z_noise_dim + Y_dimension, gen_hidd_dim]),
    'gen_final': tf.Variable(xavier_init([gen_hidd_dim, image_dim]))
}

, но я думаю, что вы хотите это:

weights = {
    'disc_H' : tf.Variable(xavier_init([image_dim + Y_dimension, disc_hidd_dim])),
    'disc_final' : tf.Variable(xavier_init([disc_hidd_dim, 1])),
    'gen_H': tf.Variable(xavier_init([z_noise_dim + Y_dimension, gen_hidd_dim])),
    'gen_final': tf.Variable(xavier_init([gen_hidd_dim, image_dim]))
}

Сообщение об ошибке было связано с тем, что weights['gen_H'] имел форму [2], тогда как вы ожидали, что он будет иметь форму [110, 256].Это означало, что вызов tf.matmul() не удался, потому что невозможно умножить матрицу с формой [m, 110] на матрицу формы [2]