Python神经网络IndexError求助：索引超出轴1范围

问题根源 #

你的模型输出y_pred是128行10列（对应10个类别，索引范围0-9），但输入的标签y_true里包含35这类超出0-9范围的数值，导致索引访问时越界。

解决方案 #

1. 对齐模型输出与数据集类别数 #

• 首先确认当前数据集的实际类别总数：如果数据集本身有36个类别（标签0-35），那你需要修改模型的输出层，把神经元数量从10改成36，保证输出维度和类别数匹配。
• 如果标签是原始业务ID（比如35是原始类别标识），需要转换成0开始的连续索引：
  使用sklearn的LabelEncoder做标签映射：

  from sklearn.preprocessing import LabelEncoder
  
  # 初始化编码器并拟合标签
  label_encoder = LabelEncoder()
  y_true = label_encoder.fit_transform(y_true)
  # 注意：训练完成后要保存编码器（比如用joblib），预测新数据时用label_encoder.transform()转换标签
  

2. 清洗数据中的无效标签 #

如果是数据集标注错误混入了超出范围的标签，直接过滤掉无效样本：

# 筛选出标签在0-9范围内的样本
valid_mask = (y_true >= 0) & (y_true < 10)
y_pred = y_pred[valid_mask]
y_true = y_true[valid_mask]

注意：这种方法是临时修复，建议排查数据集标注流程，从根源解决错误标签问题。

3. 给损失函数加防御性检查 #

在forward函数中新增标签范围校验，提前抛出明确错误，避免晦涩的索引异常：

def forward(self, y_pred, y_true):
    samples = len(y_pred)
    num_classes = y_pred.shape[1]  # 获取模型输出的类别数

    # 新增标签范围检查
    if len(y_true.shape) == 1:
        max_label = np.max(y_true)
        min_label = np.min(y_true)
        if max_label >= num_classes or min_label < 0:
            raise ValueError(f"标签值超出模型类别范围：当前模型支持{num_classes}类（0~{num_classes-1}），但标签中出现{min_label}~{max_label}")

    y_pred_clipped = np.clip(y_pred, 1e-7, 1 - 1e-7)

    # 原有逻辑...
    if len(y_true.shape) == 1:
        correct_confidences = y_pred_clipped[range(samples), y_true]
    elif len(y_true.shape) == 2:
        correct_confidences = np.sum(y_pred_clipped * y_true, axis=1)

    negative_log_likelihoods = -np.log(correct_confidences)
    return negative_log_likelihoods

内容的提问来源于stack exchange，提问作者BartJesper