Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)-＞(n?,m?)

ValueError: matmul: Input operand 1 has a mismatch in its core dimension 0, with gufunc signature (n?,k),(k,m?)->(n?,m?) (size 1 is different from 368)

在网上搜说是版本高了，不可以，试了好久，就差把所有的版本都下下来试试了，然后偶然想到，是不是类型错了。于是就断点调试一步步网上调试。他不是直接和你说这句话有问题，而是拐弯抹角的和你说，就是很烦。最后在**input_ques = [input_ques.toarray()][0]**发现了错误，你见过toarray()外面的括号是列表形式的？？？
恍然大悟，括号（可以理解为元组）写成列表（[]）了。

我的代码如下：

# TODO  鸟欲高飞，必先展翅# TODO   向前的人 ：Jhonimport reimport jiebaimport numpy as npfrom sklearn.feature_extraction.text import TfidfVectorizer# todo   格式化代码快捷键     Alt+Ctrl+L# todo  读取文件def read_corpus(file):    list = []    with open(file, "r", encoding="UTF-8") as f: lines = f.readlines() for i in lines:     list.append(i)    return list# todo  对问题进行分词、正则化处理def get_questions(questions):    if len(questions) == 1: # todo  正则化处理 ，过滤标点符号和无效字符 new_sent = re.sub(r'[^\w]', '', questions[0]) # todo  isalnum()用来判断一个字符是否为数字或者字母 new_sent = " ".join(i for i in new_sent if i.isalnum()) new_sent = " ".join(jieba.lcut(new_sent)) return new_sent    else: question_list = [] for setence in questions:     # todo  正则化处理 ，过滤标点符号和无效字符     new_sent = re.sub(r'^\w', "", setence)     # todo  isalnum()用来判断一个字符是否为数字或者字母     new_sent = " ".join(i for i in setence if i.isalnum())     seg_list = " ".join(jieba.lcut(new_sent))     question_list.append(seg_list) return question_list# todo 定义函数输入处理输入的问题def solove_questions(questions_list, input_ques):    #  todo  输入问题正则化、jieba分词后加入到问题列表中    questions_list_use = questions_list.copy()  # 备份    input_quession = [input_ques]    input_quessions = get_questions(input_quession)    questions_list_use.append(input_quessions)    # todo  用TF-IDF 向量化新的问题列表    vectorizer = TfidfVectorizer(analyzer="char")    vectorizer_relate_question = vectorizer.fit_transform(questions_list_use)    return vectorizer_relate_question# todo  计算输入问题和列表之间的相似度并选出最大相似度的索引def get_similar_index(input_ques, questions):    score = []    input_ques = (input_ques.toarray())[0]    for qustion in questions: qustion = qustion.toarray() num = float(np.matmul(qustion, input_ques)) # print(num) demo = np.linalg.norm(qustion) * np.linalg.norm(input_ques) cos = num / (demo + 1e-3) score.append(cos)    if max(score) < 0.1: print("亲，对不起，本FAQ中暂时还没有收录你所提到的问题，我们将会继续改进！")    else: best_index = score.index(max(score)) return best_indexif __name__ == '__main__':    # todo 获取问题列表和答案列表冰进行预处理    # todo 获取问题和列表   这里建议问题和答案放在一行，不然会一个答案出现问题（缺失），后面的答案会乱序    questions = read_corpus("./data/questions.txt")    answers = read_corpus("./data/answers.txt")    # todo 对问题列表进行预处理    questions_list = get_questions(questions)    print("亲，欢迎使用FAQ智能问答系统")    while True: print("") input_ques = input("请输入你所需要询问的问题：\n") if input_ques.upper() == "Q":     print("觉得有帮助可以来个三连！")     break else:     # todo  处理输入的问题     question_process = solove_questions(questions_list, input_ques)     # todo  获取最大问题相似度的索引并给出相应的答案     print("亲，正在寻找答案，请耐心等待")     answer_index = get_similar_index(question_process[-1], question_process[0:-1])     if answer_index is not None:  print("亲，我们为你找到的答案如下：\n", answers[answer_index])  print("亲，你可能还想了解这些问题", questions[answer_index])

结果：