语言识别模型测试报错：矩阵形状不匹配问题求助

我用PyTorch构建了一个识别4种语言的分类模型，训练过程正常，但测试时触发以下错误：

RuntimeError: mat1 and mat2 shapes cannot be multiplied (1x250 and 10000x128)

错误原因 #

训练阶段所有句子都通过sentence_to_indices函数被统一处理为固定长度MAX_SEQ_LENGTH=200（过长截断、过短补UNK_IDX），因此模型的全连接层fc1输入维度被设置为embedding_dim * MAX_SEQ_LENGTH = 50*200=10000。但预测阶段的predict_language函数直接拆分句子生成索引，没有做同样的长度统一处理，导致测试输入的序列长度仅为5（对应测试句子的词数），嵌入后flatten的维度为1*5*50=250，和fc1的输入维度10000不匹配，触发矩阵相乘错误。

解决方案 #

修改predict_language函数，复用训练阶段的sentence_to_indices函数处理输入句子，确保输入序列长度和训练时一致：

def predict_language(model, sentence):
    model.eval()
    # 复用训练时的长度统一处理逻辑
    indexed_sentence = sentence_to_indices(sentence)
    tensor_sentence = torch.tensor(indexed_sentence).unsqueeze(0)
    output = model(tensor_sentence)
    _, predicted_idx = torch.max(output, 1)
    return predicted_idx.item()

额外建议 #

• 将sentence_to_indices这类数据处理逻辑封装成工具函数，避免训练和预测阶段代码不一致。
• 若后续需要支持GPU训练，可在预测时添加设备匹配代码，将模型和输入张量移至同一设备：

  device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
  model.to(device)
  tensor_sentence = torch.tensor(indexed_sentence).unsqueeze(0).to(device)
  

内容的提问来源于stack exchange，提问作者Drake0909