HierarchicalAttentionNetwork代码运行IndexError下标越界问题求解

你遇到的越界错误核心是标签数组完全为空，触发点在索引操作labels = np.asarray(labels)[indices.astype(int)]：

• 收集标签的循环里错误使用了np.append(labels, input_data.sentiment[idx])，np.append不是in-place操作，不会修改原labels列表，会返回新的数组但你没有接收，导致labels从头到尾都是空列表
• 后续将labels转为numpy数组时，数组长度为0，用长度和数据集一致的indices索引空数组时，自然触发越界报错，6319只是随机打乱后的第一个索引值

1. 修复标签收集逻辑（必改） #

把循环内的标签添加代码，从np.append(labels, input_data.sentiment[idx])改为Python列表原生的append操作：

labels.append(input_data.sentiment[idx])

2. 简化标签转换逻辑（必改） #

删除冗余的判断逻辑，直接统一转换标签格式，替换原来的标签转换代码：

# 删除原来的if np.any判断，直接用这行
labels = np_utils.to_categorical(np.array(labels))

3. 适配高版本Keras的自定义层（可选，避免后续训练问题） #

如果你的TensorFlow/Keras版本大于2.0，需要把HierarchicalAttentionNetwork类build方法中的可训练权重声明修改为：

# 把原来的self.trainable_weights改为self._trainable_weights
self._trainable_weights = [self.W, self.b, self.u]

修复后打印labels.shape应该和data.shape[0]一致，即可正常运行。

内容的提问来源于stack exchange，提问作者huy