【NumPy】成功解决ValueError: shapes (2,3) and (2,) not aligned: 3 (dim 1) != 2 (dim 0)

高斯小哥

于 2024-04-22 21:36:20 发布

阅读量2.7k

点赞数 51

分类专栏： Numpy 文章标签： numpy 新手入门 python 学习

本文链接：https://blog.csdn.net/qq_41813454/article/details/138093140

版权

Numpy 专栏收录该内容

73 篇文章

订阅专栏

【NumPy】成功解决ValueError: shapes (2,3) and (2,) not aligned: 3 (dim 1) != 2 (dim 0)
在这里插入图片描述

🌈 欢迎莅临我的个人主页👈这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！🎇

🎓 博主简介：
我是高斯小哥，一名来自985高校的普通本硕生，曾有幸在中科院顶刊发表过一作论文。多年的深度学习研究和实践，让我逐渐熟练掌握了PyTorch框架，每一步成长都离不开持续的学习和积累。

🔧 技术专长：
在深度学习的广阔天地中，我不断探索前行，尤其在CV、NLP及多模态等领域有着丰富的实践经验。我热衷于将技术转化为解决实际问题的工具，因此，在业余时间，我积极投身于技术支持工作，已累计为数百位用户提供近千次专业服务，助力他们【高效】解决问题，近一年好评率100%。我坚信，技术的价值在于服务人类，提升生活品质。

📝 博客风采：
我深知知识分享的重要性，因此，在博客中我倾注心血，撰写并分享关于深度学习、PyTorch、Python的实用内容。今年，我笔耕不辍，已发表原创文章400余篇，代码分享次数逾四万次。我衷心希望通过这些内容，为广大读者提供实用的学习资源和解决方案，助力他们在深度学习的道路上稳步前行。

💡 服务项目：
除了知识分享，我还提供科研入门辅导（代码实战方面）、知识付费答疑以及个性化需求解决等服务。我深知每个人的需求都是独特的，因此我致力于提供个性化的解决方案，以满足不同用户的需求。
如果您对以上服务感兴趣，欢迎添加👉👉👉底部微信（gsxg605888）👈👈👈与我交流（请您备注来意）。

🤔 一、np.dot()基础回顾

np.dot() 是 NumPy 库中用于计算两个数组点积的函数。它既可以用于计算两个向量的点积，也可以用于计算矩阵的乘法。然而，当我们尝试使用 np.dot() 进行计算时，有时会遇到 ValueError，提示数组的形状不匹配。今天，我们将一起探讨这个问题，并学习如何成功解决它。

代码示例：

import numpy as np

# 创建两个形状不匹配的数组
A = np.array([[1, 2, 3], [4, 5, 6]])  # 形状为 (2, 3)
B = np.array([7, 8])                   # 形状为 (2,)

# 尝试使用 np.dot() 进行计算
try:
    result = np.dot(A, B)
except ValueError as e:
    print(e)  # 输出错误信息

上述代码会抛出 ValueError，因为数组 A 和 B 的形状不匹配。np.dot() 在执行矩阵乘法时，要求第一个数组的列数必须与第二个数组的行数相等。在这个例子中，A 的列数是 3，而 B 的行数是2，因此它们不匹配。

💡 二、解决形状不匹配的问题

要解决形状不匹配的问题，我们需要确保参与 np.dot() 计算的数组形状是兼容的。对于矩阵乘法，这意味着第一个数组的列数必须等于第二个数组的行数。

方法一：使用转置

一种解决方法是对数组进行转置操作，以改变其形状。对于数组 A，我们可以使用 np.transpose() 或 A.T 来将其转置。

代码示例：

# 将数组 A 转置
A_transposed = A.T

# 使用转置后的 A 进行计算
result = np.dot(A_transposed, B)

print(result)

📚 三、深入理解矩阵乘法

在深入探讨如何避免形状不匹配问题之前，我们先来回顾一下矩阵乘法的基本概念。矩阵乘法要求第一个矩阵的列数必须与第二个矩阵的行数相等。这是因为矩阵乘法实际上是将第一个矩阵的每一行与第二个矩阵的每一列进行点积运算，并将结果作为结果矩阵的相应元素。

了解这一点后，我们可以更清楚地看到为什么形状不匹配会导致 ValueError。为了避免这个问题，我们需要确保参与运算的矩阵形状是兼容的。

🔍 四、识别和解决常见形状问题

除了上述例子中的形状不匹配问题外，还有其他一些常见的形状问题可能导致 ValueError。以下是一些建议，帮助你在使用 np.dot() 时识别和解决这些问题：

检查数组形状：在使用 np.dot() 之前，使用 array.shape 检查参与运算的数组形状，确保它们是兼容的。
避免使用一维数组：一维数组在 NumPy 中既可以被视为行向量也可以被视为列向量，这可能导致混淆。为了避免这种情况，最好将一维数组显式地转换为二维数组（行向量或列向量）。