遍历列表存储向量遇ValueError：无法将(96)形状数组广播至(0)形状

嘿，这个问题我之前也碰到过！咱们先拆解一下报错的根源：

你看到的shape (96)是spaCy生成的句子向量的长度，而shape (0)是你初始化的数组X的列数——这说明你获取的embedding_dim值是0，根本没法容纳句子向量。

为什么会出现这个问题？ #

问题出在你使用的spaCy模型上：spaCy的轻量模型（比如en_core_web_sm）不包含预训练的词向量，所以nlp.vocab.vectors_length会返回0。而只有带预训练向量的模型（比如en_core_web_md、en_core_web_lg）才会返回有效的向量长度（比如96、300）。

解决方案 #

1. 安装带预训练向量的spaCy模型 #

在终端运行：

pip install en_core_web_md

（如果需要更大维度的向量，也可以安装en_core_web_lg）

2. 加载正确的模型 #

把你初始化nlp的代码改成：

import spacy
nlp = spacy.load("en_core_web_md")  # 替换成你安装的带向量的模型

3. 修正你的代码（可选，但更稳妥） #

可以在初始化X之前先验证一下embedding_dim的值，避免再踩坑：

import numpy as np

# 加载正确的模型
nlp = spacy.load("en_core_web_md")
sentences = [' i want to fly from boston at 838 am and arrive in denver at 1110 in the morning', ' what flights are available from pittsburgh to baltimore on thursday morning', ' what is the arrival time in san francisco for the 755 am flight leaving washington', ' cheapest airfare from tacoma to orlando', ' round trip fares from pittsburgh to philadelphia under 1000 dollars']

n_sentences = len(sentences)
embedding_dim = nlp.vocab.vectors_length

# 验证向量长度是否有效
if embedding_dim == 0:
    raise ValueError("当前使用的spaCy模型没有预训练向量，请安装en_core_web_md或en_core_web_lg")

X = np.zeros((n_sentences, embedding_dim))

for idx, sentence in enumerate(sentences):
    doc = nlp(sentence)
    X[idx, :] = doc.vector

额外提示 #

如果你是自己训练的自定义词向量，记得要正确加载到spaCy的vocab中，否则vectors_length还是会返回0。

内容的提问来源于stack exchange，提问作者Sam.H