如何修复MulticlassECOC SVM模型代码生成时的Size Mismatch错误

根因定位 #

报错Size mismatch ([1 x 1] ~= [1 x :?])的触发核心是：生成失败的模型的二分类SVM基学习器ClassNames属性在编译阶段被Matlab Coder判定为动态长度数组，而生成成功的模型该属性为固定长度静态数组。编译阶段Coder无法推断size(obj.ClassNames,1)的固定值，导致repmat(-f,1,size(obj.ClassNames,1))生成的S数组维度和静态大小的f数组匹配失败。
属性差异来自训练阶段的隐性差异：即使模型构建逻辑看起来完全一致，部分模型训练时传入的标签格式、是否用动态生成的ClassNames（比如直接用unique(y)赋值）、是否出现过标签类型隐式转换等情况，都会导致保存的模型中ClassNames属性的编译时推断结果不同。

修复步骤 #

• 统一训练阶段的ClassNames声明
  重新训练所有报错模型时，强制显式传入ClassNames参数，参数值使用固定长度的静态数组，禁止用运行时才能确定长度的表达式直接赋值。例如3分类任务统一写为ClassNames = [1,2,3]，不要直接使用ClassNames = unique(train_label)这类动态生成的结果。
• 自定义推理函数增加编译约束
  在调用codegen的推理函数中，加入Coder维度断言和常量声明，强制Coder识别模型的固定分类数：

  function label = classifyANose(X) %#codegen
  % Classifies Nose feature for Asian face
  % Reads in SVM model in file A-Nose-SVM.mat then returns class label
  Mdl = loadLearnerForCoder('A-Nose-SVM.mat');
  % 请将下方[1,2,3]替换为你模型实际的ClassNames值
  coder.const(Mdl.ClassNames, [1,2,3]);
  label = predict(Mdl,X);
  end
  

• 预校验模型属性一致性
  编译前先在Matlab命令行对比生成成功和失败的模型属性，确保二者一致：

  % 加载模型
  load('你的模型文件.mat')
  % 检查ClassNames的类型、长度
  class(Mdl.ClassNames)
  size(Mdl.ClassNames)
  % 检查所有基学习器的ClassLogicalIndices长度
  cellfun(@(x) size(x.ClassLogicalIndices), Mdl.BinaryLearners, 'UniformOutput', false)
  

  将失败模型的上述属性调整为和成功模型完全一致后，重新保存mat文件再编译即可。

兜底方案 #

如果上述方法均不生效，可以绕过内置的predict函数，手动提取模型的支持向量、偏置项、ECOC编码矩阵等固定参数，手动实现ECOC推理逻辑，该方案完全可控，不会出现内置函数的维度推断错误。

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