报错分析：ValueError: shapes (5,5) and (4,1) not aligned: 5 (dim 1) != 4 (dim 0)

最新推荐文章于 2024-02-20 20:54:24 发布

Emma Yuang

最新推荐文章于 2024-02-20 20:54:24 发布

阅读量1w

点赞数 1

分类专栏： python 机器学习 tensorflow 文章标签： python debug 程序人生经验分享恰饭

本文链接：https://blog.csdn.net/ting_7/article/details/105810987

版权

博客详细分析了一个Python编程中遇到的ValueError，指出问题在于两个矩阵的维度不匹配，导致无法进行矩阵乘法。作者解释了错误的原因，并提供了删除矩阵B的第一行以解决该问题的方法。

摘要由CSDN通过智能技术生成

原本的代码

import numpy as np
A_mat = np.mat([[n+m*3 for n in range(2)]for m in range(2)])
B_mat = np.mat(range(3)).T

报错信息如下：

----------------------

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Emma Yuang

关注关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

ValueError: shapes (24,1) and (3,) not aligned: 1 (dim 1) != 3 (dim 0)

Hello Word!

03-18

3万+

这种情况可能出现在模型的输入与输出的转换过程中。或者模型的上一层输出到下一层输入。在这些情况下，上一个的输出就是下一个的输入，所以数据的维度是需要对齐（align）的，也就是上一个输出维度需要等于下一个的输入维度。很明显这里的(24,1) 中的dim1=1维是上一个的输出维度，(3,)中的dim0=3是下一个的输入维度，两者不相等，所以报错。即：模型的输出参数维度为3维但是输入...

Numpy快速入门

做一枚优秀的程序猿,欢迎交流: sunpeng1996 at aliyun dot com

10-10

4583

Numpy快速入门

参与评论您还未登录，请先登录后发表或查看评论

错误：ValueError: shapes (4,4) and (1,4) not aligned: 4 (dim 1) != 1 (dim 0)

wawjb的博客

04-30

1万+

在使用 numpy重点矩阵和 array数组相乘的时候，经常会发生这个错误， import numpy as np d = np.array([[5,6,7,8]]) c = np.array([[1,2,3,4],[3,4,5,6],[4,5,6,7],[2,3,4,6]]) a = c.dot(d) print(a) 错误：ValueError: shapes (4,4) and (1,4...

python矩阵输出对齐_python – Numpy.dot()维度未对齐

weixin_39682940的博客

12-10

1080

我无法向scipy.signal.dlsim方法提供正确的输入.该方法需要4个状态空间矩阵：A = np.array([[0.9056,-0.1908,0.0348,0.0880],[0.0973,0.8728,0.4091,-0.0027],[0.0068,-0.1694,0.9729,-0.6131],[-0.0264,0.0014,0.1094,0.6551]])B = np.array([...

ValueError: shapes (a,b) and (c,d) not aligned: b (dim 1) != c (dim 0)问题分析与解决方案

最新发布

qq_68124932的博客

02-20

372

python图片灰度处理问题

numpy报错ValueError: shapes (404,) and (1,1) not aligned: 404 (dim 0) != 1 (dim 0)

07-14

在这个特定的情况下，你正在尝试将一个形状为 (404,) 的数组与一个形状为 (1,1) 的数组进行操作，但它们的维度不匹配。要解决这个问题，你需要确保进行操作的数组具有兼容的形状。你可以尝试使用 numpy 的广播功能...

ValueError: shapes (1,) and (10,1) not aligned: 1 (dim 0) = 10 (dim 0)

wang1zhong1quan的博客

12-05

5434

ValueError: shapes (1,) and (10,1) not aligned: 1 (dim 0) != 10 (dim 0) 对于上述错误，对应到代码hide_in = np.dot(x[i],W1)-B1 x = np.zeros((t_size, 1)) hidesize = 10 W1 = np.random.random((hidesize, 1)) # 输入层与隐层之间的权重 W1_1 = np.random.random((hidesize, 1)) # 输入层与隐层之间的

[python编程] ValueError: shapes (33,) and (34,) not aligned: 33 (dim 0) != 34 (dim 0)

不行不至

08-17

1万+

在使用Python求矩阵的乘积时，报错显示：File “xxx.py”, line 59, in < module > y[t][0] = np.dot(r.T, b) ValueError: shapes (33,) and (34,) not aligned: 33 (dim 0) != 34 (dim 0) 低级错误…这是在计算两个矩阵的乘积时，两个矩阵每维大小...

机器学习和数据挖掘4——NumPy快速入门

大壮的博客

11-10

1734

机器学习和数据挖掘4——NumPy快速入门 NumPy快速入门一、关于Numpy Numpy是Python第一个矩阵类型，提供了大量矩阵处理的函数。非正式地来说，它是一个使运算更easy，执行速度更快的库，因为它的内部运算是通过C语言实现的。 numpy包含了两种基本的数据类型：矩阵和数组。二者在处理上稍有不同，如果你熟悉MATLAB的

ValueError: shapes (1,3) and (100,1) not aligned: 3 (dim 1) != 100 (dim 0)

yzhua_777的博客

02-26

1万+

ValueError: shapes (1,3) and (100,1) not aligned: 3 (dim 1) != 100 (dim 0) 出现这个错误，是你数据的维度不对！这个问题是出现在写logistic Regression 代码时出现的` #用scipy中truncated newton(TNC)实现寻找最优参数 import scipy.optimize as opt resu...

Showing ValueError: shapes (1,3) and (1,3) not aligned: 3 (dim 1) != 1 (dim 0)

勤学如春起之苗，不见其增，日有所长

04-07

1万+

在使用 numpy重点矩阵和 array数组相乘的时候，经常会发生这个错误，解决方法可以进行一定的转换：其实我觉得一般不必要把list转为mat，还不如直接转为array. ...

Tensorflow中的tensor的维度(dim=0、dim=1)理解

凝眸伏笔的博客

09-15

1万+

1.tensor的维度理解通过tf.rank()函数可以查看tensor的维度。先看一个例子： import tensorflow as tf a = tf.constant(6) #常量-dim=0 b = tf.constant([3, 3]) #数组-dim=1 c = tf.constant([[6, 3]]) #矩阵-dim=2 d = tf.constant([[[2, 2]]]) #矩阵-dim=3可以想象为空间坐标系 xyz三个轴 sess = tf.Session() #启动图.

numpy 点积 ValueError: shapes (3,2) and (3,) not aligned: 2 (dim 1) != 3 (dim 0)

拾贝壳

03-06

2万+

numpy 矩阵点积时，经常遇到这样的错误： ValueError: shapes (3,2) and (3,) not aligned: 2 (dim 1) != 3 (dim 0) 这表示点积左边的矩阵维度(dim) 是 3 * 2 的，而右边的数组有 3 个元素，2 != 3，于是报错。这时可以将右边的数组移到点积的左边，于是变成了 3 个元素的数组和 3 * 2 的矩阵的点击，此时 3 ...

支持向量机SVM、高斯核函数_核函数填坑(笔记02）

ting_7的博客

04-30

4319

引入：输入相同的数据，不同的分类器处理方式不一样，结果也不一样。今天重新填坑核函数，顺便学习一下SVM。支持向量机，高斯核函数背景介绍核心思想公式推导及主要函数核函数核心思想公式推导及函数名词介绍希尔伯特空间（Hilbert space）内积归一化和标准化内积空间（pre-Hilbert space/欧几里得空间）范数范数和距离python实现参考资料背景介绍 support vecto...