构建垃圾邮件分类器遇RuntimeError：矩阵形状无法相乘

核心问题分析 #

错误mat1 and mat2 shapes cannot be multiplied (1x2 and 10000x100)的本质是推理时输入特征的维度和模型训练时的输入维度不匹配，具体存在两个关键问题：

1. CountVectorizer未复用训练时的词汇表
   训练时用整个数据集拟合了CountVectorizer，得到包含10000个特征的词汇表。但推理时每次新建CountVectorizer并调用fit_transform([processed_message])，会仅针对当前单条消息生成新的小维度词汇表（比如示例中仅2个词，输出1x2矩阵），与模型第一层nn.Linear(10000, 100)要求的输入维度完全不匹配。

2. 推理模型的forward函数额外做了flatten操作
   训练代码中的模型forward未使用torch.flatten(x)，但推理代码中的模型添加了该步骤，会把原本的(1,10000)张量变成(10000,)，虽不直接导致当前形状错误，但会打乱后续torch.max的维度逻辑（训练时按batch维度取max，对应dim=1）。

具体修复步骤 #

步骤1：保存训练时的CountVectorizer #

在训练代码末尾添加保存CountVectorizer的代码，确保推理时能复用训练阶段的词汇表：

# 训练代码末尾，保存模型之后添加
import joblib
joblib.dump(cv, 'W:/SpamOrHamProject/SpamOrHamBack/api/AIModel/count_vectorizer.pkl')

步骤2：修改model.py中的关键代码 #

• 加载训练好的CountVectorizer，用transform替代fit_transform处理输入消息
• 移除模型forward中的多余flatten操作，与训练时的模型结构保持一致
• 修正torch.max的维度参数，匹配训练时的逻辑

修改后的model.py关键部分：

# 新增导入joblib
import joblib

class LogisticRegression(nn.Module):
    def __init__(self):
        super(LogisticRegression, self).__init__()
        self.linear1 = nn.Linear(10000, 100)
        self.linear2 = nn.Linear(100, 10)
        self.linear3 = nn.Linear(10, 2)
        
    def forward(self, x):
        # 移除多余的flatten，与训练时的模型结构对齐
        x = F.relu(self.linear1(x))
        x = F.relu(self.linear2(x))
        x = self.linear3(x)
        return x

def classify_spam(message):
    model = LogisticRegression()
    model.load_state_dict(torch.load('W:/SpamOrHamProject/SpamOrHamBack/api/AIModel/SpamClassification.pth'))
    model.eval()
    
    # 加载训练时保存的CountVectorizer
    cv = joblib.load('W:/SpamOrHamProject/SpamOrHamBack/api/AIModel/count_vectorizer.pkl')
    processed_message = preprocess_message(message)
    # 使用transform复用训练词汇表，避免生成新维度特征
    vectorized_message = cv.transform([processed_message]).toarray()
    
    with torch.no_grad():
        tensor_message = torch.from_numpy(vectorized_message).float()
        output = model(tensor_message)
        # 用dim=1匹配训练时的batch维度逻辑
        _, predicted_label = torch.max(output, 1)
    
    return 'Spam' if predicted_label.item() == 1 else 'Not Spam'

步骤3：确保预处理逻辑完全一致 #

检查训练与推理阶段的预处理流程，确认两者的文本清洗、分词、词干/词形还原操作完全同步（当前代码中两者逻辑一致，无需修改，但后续调整时需保持同步）。

验证修复 #

重新运行训练代码生成并保存CountVectorizer后，启动服务发送POST请求，输入消息的特征维度将变为1x10000，与模型输入要求匹配，即可正常完成垃圾邮件分类。

内容的提问来源于stack exchange，提问作者RegSlash