Keras训练LSTM时报InvalidArgumentError：索引-1不在[0,10)范围怎么办

核心报错触发逻辑 #

• Embedding层仅允许输入[0, 词表大小)范围内的非负整数索引，当前Embedding层设置的词表大小为10，合法索引范围为0~9，输入数据中存在值为-1的非法索引，直接触发查找越界错误。
• 输入数据中的负索引一般来源于文本转序列的映射流程：未匹配到的词汇被默认赋值为-1，未纳入合法索引体系。

代码中存在的结构错误 #

• Embedding层参数与数据形状完全错位：现有代码Embedding(10, 82, input_length=180568)，将训练集总样本数180568设置为序列长度，将单样本序列长度82设置为嵌入向量维度，和实际数据形状（(180568, 82) 即 180568个样本，单样本序列长度82）完全不匹配。
• LSTM层参数语法错误：input_shape=features_train 不符合Keras参数规则，input_shape需要接收元组格式的形状参数，不能直接传入整个训练集张量；且因前面已经衔接Embedding层，LSTM无需重复定义输入形状。
• 输出形状与标签不匹配：当前标签形状为(180568,)，即每个样本对应一个二分类标签，但现有模型输出形状为(None, 180568, 10)，即使解决Embedding层报错，也会触发后续的形状匹配错误。

具体修正步骤 #

1. 清洗输入数据
   • 执行代码检查特征数值范围：print(f"特征最小值: {features.min()}, 特征最大值: {features.max()}")
   • 处理所有小于0的异常索引：可将-1映射为固定合法索引（如预留一个索引值作为未登录词标记），或直接删除包含非法索引的样本，确保所有特征值为0到（词表最大索引值）之间的非负整数。
2. 调整模型结构
   • 按照实际数据形状设置Embedding参数：input_length设为单样本序列长度82，input_dim设为特征最大索引值+1，嵌入维度取合理值即可。
   • 调整LSTM层参数：将return_sequences设为False，删除错误的input_shape参数。
   • 增加匹配二分类任务的输出层，使模型输出形状与标签对齐。

修正后的可运行示例代码 #

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Embedding, LSTM, Activation, Dropout, Dense

# 动态计算合法词表大小
vocab_size = features.max() + 1
# 单样本序列长度为82
seq_len = features_train.shape[1]

model = Sequential()
# 按照数据形状调整Embedding层参数
model.add(Embedding(input_dim=vocab_size, output_dim=32, input_length=seq_len))
# LSTM层自动适配Embedding输出形状，关闭返回序列参数
model.add(LSTM(16, return_sequences=False))
model.add(Dropout(0.2))
# 二分类输出层，匹配标签形状
model.add(Dense(1, activation='sigmoid'))

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()

# 训练流程
history = model.fit(
    features_train,
    labels_train,
    epochs=10,
    batch_size=128,
    validation_data=(features_test, labels_test)
)

注意：如果处理完负索引后依然报错，需要确认Embedding层的input_dim参数设置是否大于所有输入特征的最大值，否则依然会触发索引越界错误。

内容的提问来源于stack exchange，提问作者humblefool_9