Coursera深度学习NLP课程C3W2作业：tokenize_labels函数报错排查

问题场景 #

在Coursera深度学习专项课程NLP部分C3W2作业的tokenize_labels评分函数中，执行label_seq_np = np.array(label_seq)-1时触发如下错误：

TypeError: unsupported operand type(s) for -: 'list' and 'int'

函数代码如下：

def tokenize_labels(all_labels, split_labels):
    """
    Tokenizes the labels

Args:
    all_labels (list of string): labels to generate the word-index from
    split_labels (list of string): labels to tokenize

Returns:
    label_seq_np (array of int): tokenized labels
"""

### START CODE HERE

# Instantiate the Tokenizer (no additional arguments needed)
label_tokenizer = Tokenizer()

# Fit the tokenizer on all the labels
label_tokenizer.fit_on_texts(all_labels)

# Convert labels to sequences
label_seq = label_tokenizer.texts_to_sequences(split_labels)

# Convert sequences to a numpy array. Don't forget to substact 1 from every entry in the array!
label_seq_np = np.array(label_seq)-1 <----------- 出错位置

### END CODE HERE

return label_seq_np

错误原因 #

1. Tokenizer.texts_to_sequences()返回嵌套列表结构：每个标签对应一个单元素子列表（如[[1], [2], [3]]），若存在未在all_labels中定义的标签，还会生成空列表[]。
2. 直接将含空列表的嵌套列表转为numpy数组时，数组元素类型会变为object（即列表类型），此时执行-1操作会触发“列表与整数无法运算”的类型错误。
3. 即使无空列表，转换后的二维数组也不符合题目要求的一维整数数组返回格式。

解决方案 #

先将嵌套列表展平为一维列表，再转换为numpy数组并执行减1操作：

修改后的核心代码如下：

### START CODE HERE

# Instantiate the Tokenizer (no additional arguments needed)
label_tokenizer = Tokenizer()

# Fit the tokenizer on all the labels
label_tokenizer.fit_on_texts(all_labels)

# Convert labels to sequences
label_seq = label_tokenizer.texts_to_sequences(split_labels)

# 展平嵌套列表（假设所有split_labels中的标签都在all_labels中，无空列表）
flattened_labels = [seq[0] for seq in label_seq]
# 转换为numpy数组并减1
label_seq_np = np.array(flattened_labels) - 1

### END CODE HERE

若需兼容未在词汇表中的标签（空列表场景），可添加默认值处理：

flattened_labels = [seq[0] if seq else 0 for seq in label_seq]

说明 #

作业中all_labels应包含split_labels的所有标签，因此无需处理空列表。展平后的一维列表转为numpy数组后，减1操作可正常执行，且返回结果符合题目要求的一维整数数组格式。

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