使用keras.utils.to_categorical触发IndexError的问题求助

问题根源 #

错误IndexError: index 82 is out of bounds for axis 1 with size 10的本质是：你传给to_categorical的标签中存在数值82，但设置的num_classes=10，而one-hot编码的索引范围是0~num_classes-1（即0到9），82超出该范围导致越界。调整num_classes到83能运行但不符合实际需求，说明你的标签数据或处理逻辑存在问题，而非需要扩大类别数。

核心解决方案 #

1. 检查标签是否为从0开始的连续整数编码 #

如果实际类别数远小于82，说明你用的是原始类别ID（比如非连续的业务ID、从1开始的编号），而非模型要求的连续整数标签。需先将标签映射为从0开始的连续整数：

from sklearn.preprocessing import LabelEncoder
import keras.utils

# 假设原始标签存储在labels数组中
le = LabelEncoder()
encoded_labels = le.fit_transform(labels)
# 用实际类别数初始化to_categorical
categorical_labels = keras.utils.to_categorical(encoded_labels, num_classes=len(le.classes_))

要把这段编码逻辑嵌入自定义数据生成器dataGen中，确保每次生成batch时都使用转换后的标签。

2. 排查标签数据中的异常值 #

检查数据集是否存在错误标注的标签值（比如82不属于你的实际类别），用以下代码快速验证：

import numpy as np

# 获取标签的取值范围和唯一值
unique_labels = np.unique(your_all_labels)
print("标签唯一值:", unique_labels)
print("标签最大值:", np.max(your_all_labels))
print("标签最小值:", np.min(your_all_labels))

如果发现异常值，需清洗数据集，修正错误标注的样本。

3. 检查自定义生成器的标签处理逻辑 #

核对dataGen的代码，确认：

• 读取标签时是否解析出错误的数值类型（比如把字符串ID误转成无关整数）
• 是否存在多余的数值运算（比如误给标签加上了某个常数）
• 标签传递过程中是否被意外修改

验证步骤 #

1. 统计数据集中唯一类别的数量，记为actual_num_classes
2. 确保所有标签都被转换为0~actual_num_classes-1的连续整数
3. 调用to_categorical时设置num_classes=actual_num_classes

内容的提问来源于stack exchange，提问作者QasimError404