根据给出的错误信息，“不兼容的形状：[32] vs. [4536] [[{{节点逻辑损失/乘法}}]]”，可以看出两个形状不匹配。[32]表示一个长度为32的向量，而[4536]表示一个长度为4536的向量。

要解决这个问题，你需要调整两个形状，使它们相匹配。这可以通过重塑（reshape）操作来实现。

下面是一个使用代码示例的解决方法：

import tensorflow as tf

# 创建两个张量
tensor1 = tf.constant([1] * 32)  # 长度为32的向量
tensor2 = tf.constant([2] * 4536)  # 长度为4536的向量

# 重塑张量的形状
tensor1_reshaped = tf.reshape(tensor1, [1, 32])  # 将tensor1重塑为1行32列的矩阵
tensor2_reshaped = tf.reshape(tensor2, [4536, 1])  # 将tensor2重塑为4536行1列的矩阵

# 进行乘法操作
result = tf.matmul(tensor2_reshaped, tensor1_reshaped)

# 打印结果
print(result)

在上面的代码中，我们首先创建了两个张量tensor1和tensor2，然后使用tf.reshape()函数将它们重塑为相匹配的形状。最后，我们使用tf.matmul()函数进行矩阵乘法操作，并将结果打印出来。

注意：根据你的实际需求，你可能需要调整重塑操作的维度参数，以使两个形状相匹配。