Keras执行to_categorical索引越界及CNN结构正确性咨询

Keras的to_categorical函数生成独热编码时，要求分类标签从0开始索引。你设置的分类数为6，生成的独热编码数组第二个维度长度为6，合法下标范围是*0_{5*。但你的标签取值为1}6，标签值6对应下标6超出了数组边界，因此触发越界报错。
修复方案：在调用to_categorical前将所有标签值减1，把标签取值范围调整为0~5即可：

# 放在train_test_split之后、转独热编码之前执行
y_train = y_train - 1
y_test = y_test - 1

你搭建的网络还有两处明显错误需要修正：

• 输入形状不匹配
  你打印的训练数据形状为(850, 100, 1200)，但首个卷积层设定的input_shape为(30, 1200, 1)，维度完全不匹配。同时CNN输入要求带通道维度，你需要先给数据补充单通道维度，再调整输入形状配置：

# 给训练、测试数据补充单通道维度（对应灰度图）
X_train = X_train.reshape(-1, 100, 1200, 1)
X_test = X_test.reshape(-1, 100, 1200, 1)

# 调整首个卷积层的input_shape参数
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(100, 1200, 1)))

• 输出层缺少softmax激活
  你使用categorical_crossentropy作为多分类损失，要求输出层输出各类别的概率值，必须给最后一个全连接层添加softmax激活函数：

model.add(layers.Dense(num_classes, activation='softmax'))

以上两处修正完成后，网络即可正常训练。

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