ResNet18图像预测时报IndexError: list index out of range错误求助

你触发IndexError: list index out of range的核心原因是模型输出的预测索引值超出了class_names列表的长度范围，具体有3个直接导致问题的代码错误：

• 你直接使用了torchvision默认的ResNet18模型，默认全连接层输出维度是1000（对应ImageNet的1000个类别），而你自定义的class_names只有20个元素，索引范围是0_{19，模型输出的预测值大概率落在20}999区间，自然无法匹配列表索引。
• 你完全没有加载训练好的模型权重，代码里写的torch.save(model.state_dict, MODEL)是完全错误的操作：这行代码会把刚初始化的随机权重的ResNet18的状态字典方法直接覆盖你路径下的训练好的权重文件，你当前运行的模型是随机初始化的，输出结果完全不可控。
• 你直接将张量类型的preds用作列表索引，没有转成Python整数类型，即使索引值在范围内也可能触发取值异常。

1. 调整模型全连接层输出维度匹配你的类别数，替换原模型初始化部分的代码：

model = models.resnet18()
# 修改全连接层输出为20类
model.fc = torch.nn.Linear(model.fc.in_features, len(class_names))
# 正确加载训练好的权重，注意不要写反save和load
model.load_state_dict(torch.load(MODEL))
model.to(device) # 要把模型也加载到对应设备上
model.eval()

2. 预测取值时将张量转成整数：

_, preds = torch.max(outputs, 1)
# 转成int再取索引
label = class_names[preds.item()]

你可以在取分类标签前加以下校验逻辑，避免索引越界：

_, preds = torch.max(outputs, 1)
# 校验1：打印输出维度，确认全连接层配置正确
print("模型输出维度：", outputs.shape) # 正常应该是 (1, 20)
# 校验2：打印预测值和合法索引范围
pred_idx = preds.item()
print(f"预测索引值：{pred_idx}，合法索引范围：0~{len(class_names)-1}")
# 校验3：加判断逻辑避免报错
if 0 <= pred_idx < len(class_names):
    label = class_names[pred_idx]
else:
    label = "未知类别"
    print(f"警告：预测索引{pred_idx}超出合法范围")

内容的提问来源于stack exchange，提问作者Khawar Islam