ZeroDivisionError: float division by zero
Similaritatea cosinus împarte la produsul lungimilor celor doi vectori, iar unul dintre ei are lungimea 0 (un vector numai din zerouri, pus ca înlocuitor pentru un text gol sau un embedding eșuat). Nu pune vectori de zero în index; dacă există, sari peste ei sau întoarce 0.0 când norma e 0.
Explicat de Tudor Andrei Dumitrescu, Senior Software Developer, fondatorul Academiei ProgramatorilorActualizat la
Ce înseamnă
Formula similarității cosinus este produsul scalar împărțit la produsul normelor: a·b / (|a| * |b|). Un vector cu toate componentele 0 are norma 0, deci împărțirea e la zero. Pentru că math.sqrt întoarce float, Python spune float division by zero.
Embeddings-urile reale nu sunt niciodată vectori de zero. Zerourile vin din codul aplicației: un înlocuitor [0.0] * dim pus pentru textele goale (ca să nu strice pozițiile din listă), pentru embeddings care au dat eroare sau pentru documente încă neprocesate, ori un vector inițializat și necompletat.
Caută în index elementele cu sum(abs(x) for x in v) == 0: acolo e problema, iar în spatele lor de obicei e o eroare ascunsă mai devreme.
De ce apare: cauzele frecvente
1Vector de zero ca înlocuitor
vectori = [item.embedding if text else [0.0] * DIM for text, item in perechi]index = [(text, item.embedding) for text, item in perechi if text.strip()]Un document fără text nu are ce căuta în index. Fără el, nicio normă nu e zero.
2Cosinus fără protecție
return produs / (norma_a * norma_b)if norma_a == 0 or norma_b == 0:
return 0.0
return produs / (norma_a * norma_b)Un vector nul nu seamănă cu nimic; scorul 0.0 îl pune la coada rezultatelor.
Repară eroarea, direct în pagină
Catalogul are un produs fără descriere. Ca să păstreze pozițiile, codul îi pune un vector de zerouri, iar căutarea cade cu ZeroDivisionError: float division by zero. Repară construirea indexului: păstrează doar produsele cu descriere (fără vectori de zero), apoi afișează câte produse sunt în index și produsul cel mai apropiat de întrebare.
import math
from openai import OpenAI
MODEL_EMB = "text-embedding-3-small"
client = OpenAI()
def cosinus(a, b):
produs = sum(x * y for x, y in zip(a, b))
return produs / (math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b)))
produse = [
{"nume": "Fierbător", "descriere": "Fierbător electric din inox, 1,7 litri."},
{"nume": "Cafetieră", "descriere": ""},
{"nume": "Prăjitor", "descriere": "Prăjitor de pâine cu două fante și șapte trepte."},
]
cu_text = [p["descriere"] for p in produse if p["descriere"].strip()]
r = client.embeddings.create(model=MODEL_EMB, input=cu_text)
vectori = iter(item.embedding for item in r.data)
index = [(p["nume"], next(vectori) if p["descriere"].strip() else [0.0] * 64) for p in produse]
q = client.embeddings.create(model=MODEL_EMB, input="Am nevoie de un fierbător electric pentru apă").data[0].embedding
print("Produse în index:", len(index))
print("Cel mai apropiat:", max(index, key=lambda x: cosinus(x[1], q))[0])Produse în index: 2 Cel mai apropiat: Fierbător
Indiciu
Filtrează produsele cu if p["descriere"].strip() înainte să ceri embeddings.
Reparația
import math
from openai import OpenAI
MODEL_EMB = "text-embedding-3-small"
client = OpenAI()
def cosinus(a, b):
produs = sum(x * y for x, y in zip(a, b))
return produs / (math.sqrt(sum(x * x for x in a)) * math.sqrt(sum(y * y for y in b)))
produse = [
{"nume": "Fierbător", "descriere": "Fierbător electric din inox, 1,7 litri."},
{"nume": "Cafetieră", "descriere": ""},
{"nume": "Prăjitor", "descriere": "Prăjitor de pâine cu două fante și șapte trepte."},
]
cu_text = [p for p in produse if p["descriere"].strip()]
r = client.embeddings.create(model=MODEL_EMB, input=[p["descriere"] for p in cu_text])
index = [(p["nume"], item.embedding) for p, item in zip(cu_text, r.data)]
q = client.embeddings.create(model=MODEL_EMB, input="Am nevoie de un fierbător electric pentru apă").data[0].embedding
print("Produse în index:", len(index))
print("Cel mai apropiat:", max(index, key=lambda x: cosinus(x[1], q))[0])De ce merge
Vectorul de zerouri are norma 0, iar similaritatea cosinus împarte la produsul normelor. Embeddings-urile reale nu sunt niciodată nule, deci zeroul era doar un înlocuitor pus de aplicație. Indexând doar produsele cu descriere, fiecare vector vine de la API și are normă pozitivă, iar căutarea compară doar documente reale. Produsul fără descriere trebuie completat, nu ascuns în index.
Alte forme ale mesajului
ZeroDivisionError: division by zeroRuntimeWarning: invalid value encountered in divide
Cum o eviți pe viitor
- Nu păstra în index documente fără text sau fără embedding; loghează-le separat.
- Când un embedding eșuează, reîncearcă sau marchează documentul, nu pune zerouri.
- Pune protecția la normă zero în funcția de similaritate, o singură dată.
Întrebări frecvente
Varianta cu RuntimeWarning de unde vine?
Din numpy: împărțirea la zero pe tablouri nu aruncă excepție, ci dă nan și un avertisment. Rezultatul e la fel de greșit, doar că trece neobservat.
Vectorii de embeddings nu sunt deja normalizați?
Mulți furnizori întorc vectori de lungime 1, caz în care produsul scalar e chiar cosinusul. Un vector de zero pus de aplicație rămâne însă de lungime 0.
Erori înrudite
ValueError: zip() argument 2 is longer than argument 1 Compari doi vectori de embeddings cu lungimi diferite: de obicei indexul a fost construit cu alt model sau cu alt `dimensions` decât întrebarea. Generează vectorii documentelor și ai întrebării cu același model și aceleași setări, și verifică `len(a) == len(b)` înainte de similaritate. openai.BadRequestError: Error code: 400 - '$.input' is invalid. Please check the API reference: https://platform.openai.com/docs/api-reference. Lista trimisă la embeddings.create conține un text gol (sau ceva care nu e text, de exemplu None). De obicei vine din împărțirea documentului: split("\n\n") lasă bucăți goale la final sau între secțiuni. Filtrează bucățile goale înainte de apel. ValueError: max() iterable argument is empty Ai apelat max() pe o listă goală: după filtrare (departament, prag de similaritate, dată), niciun document n-a rămas. Verifică lista înainte, sau folosește max(..., default=None), și răspunde explicit că nu ai găsit surse, în loc să lași programul să cadă. Învață Aplicații AI cu LLM de la zero, cu exerciții la fiecare lecție
Curs Aplicații AI cu Claude și OpenAI: lecții scurte, fiecare cu un exercițiu verificat automat, direct în browser. Primele 8 lecții sunt gratuite.
