Keras执行model.fit()报IndexError: list index out of range问题求助

核心问题定位 #

• 问题1：Normalization层的适配逻辑错误
  你当前调用normalizer.adapt(train_x[0])仅传入了单个训练样本（形状为(42,)）用于统计归一化参数，该方法要求传入全量训练特征数据才能匹配后续批次输入的维度，单样本适配会导致层内部维度统计错乱，触发索引越界。
• 问题2：axis参数配置不合理
  你将Normalization的axis参数设为None，代表对输入张量所有元素统一做归一化，而常规二维特征输入需要按特征维度（axis=-1/axis=1）对每个特征单独做归一化，参数不匹配会触发内部索引逻辑错误。
• 问题3：输入数据类型不兼容
  你打印维度时强制将train_x转为NumPy数组，但如果直接传入原生Python嵌套列表到fit方法，低版本TensorFlow的内部索引逻辑不兼容该类型，也会触发索引越界。

修复代码 #

修正归一化层配置与适配逻辑 #

# axis设为-1，对每个特征单独做归一化
normalizer = Normalization(input_shape=[42,], axis=-1)
# 传入全量训练特征，提前转成NumPy数组避免类型问题
normalizer.adapt(np.array(train_x))

修正训练调用的输入类型 #

linear_model.compile(
    optimizer=tf.optimizers.Adam(learning_rate=0.1),
    loss='mean_absolute_error')

linear_model.fit(
    np.array(train_x),
    np.array(train_y),
    epochs=100)

内容的提问来源于stack exchange，提问作者TimO