pycmVectorError报错：y_actu与y_pred长度不一致无法生成混淆矩阵

问题诱因 #

分批推理场景下出现真实标签和预测结果长度不匹配，常见原因如下：

• DataLoader的drop_last参数设置为True：你的批次大小为200，总样本量21401无法被200整除，最后一个仅含1个样本的批次会被直接丢弃，导致预测结果少了对应样本
• 测试集加载和真实标签生成逻辑不同源：如果y_actu是直接从完整原始数据集提取的，而DataLoader加载测试集时做了脏数据过滤、重复样本去重等操作，会导致实际参与推理的样本数少于原始总样本数
• 推理逻辑存在隐式样本丢弃：模型推理过程中如果有文本长度超限截断、异常张量跳过等逻辑，没有同步把对应真实标签从y_actu中移除，也会导致二者长度差
• 预测结果累计逻辑存在疏漏：预测函数中仅累计了符合特定条件的批次结果，漏加了部分批次的预测值

解决方法 #

可按以下顺序排查修复：

• 首先检查DataLoader配置，将drop_last参数设置为False，确保最后一个不完整批次也参与推理
• 校验数据集一致性：单独迭代一次测试集DataLoader统计总样本数，和y_actu的长度做对比，若不一致则统一两者的样本过滤逻辑，确保真实标签和参与推理的样本一一对应
• 检查推理代码：如果模型内部有样本跳过逻辑，每跳过一个样本就同步删除y_actu中对应位置的标签，保证两者计数同步
• 修正预测结果累计逻辑：确保每个批次的预测结果都被追加到y_pred列表中，不要添加额外的过滤条件，生成混淆矩阵前可加校验代码assert len(y_actu) == len(y_pred), f"标签长度不匹配：真实{len(y_actu)}，预测{len(y_pred)}"提前定位问题

内容的提问来源于stack exchange，提问作者StressedBoi69420