使用Python+TensorFlow构建图像分类器时遇列表索引越界问题求助

看起来你遇到的索引越界错误大概率和路径转义、文件名格式异常或者数据加载逻辑漏洞有关，我帮你拆解几个可能的问题点和修复方案：

1. Windows路径的转义陷阱 #

你的TRAIN_DIR和TEST_DIR用了单反斜杠写法，在Python里\t会被解析为制表符，这种写法很容易导致路径无法正确识别，程序找不到目标文件后，后续处理空列表就会触发索引错误。

修复方法：改用原始字符串或者双反斜杠来定义路径：

TRAIN_DIR = r'C:\Users\cward\Desktop\images\train'
TEST_DIR = r'C:\Users\cward\Desktop\images\test'
# 或者用双反斜杠写法
TRAIN_DIR = 'C:\\Users\\cward\\Desktop\\images\\train'
TEST_DIR = 'C:\\Users\\cward\\Desktop\\images\\test'

2. 文件名判断的索引安全问题 #

你通过文件名前3个字符判断猫/狗，但如果训练集中存在文件名长度不足3位或者非cat/dog开头的文件（比如隐藏文件、临时缓存文件），直接取filename[:3]就会触发索引越界。

修复方案：先做长度校验，再匹配前缀，同时过滤无效文件：

def label_img(img):
    # 先判断文件名长度是否足够
    if len(img) < 3:
        return None  # 跳过异常短文件名
    img_prefix = img[:3]
    if img_prefix == 'cat':
        return [1, 0]
    elif img_prefix == 'dog':
        return [0, 1]
    else:
        return None  # 跳过非猫/狗的无关文件

然后在加载数据的函数里，记得过滤掉返回None的无效项：

def create_train_data():
    training_data = []
    for img in tqdm(os.listdir(TRAIN_DIR)):
        label = label_img(img)
        if label is None:
            continue  # 跳过不符合要求的文件
        path = os.path.join(TRAIN_DIR, img)
        img_data = cv2.imread(path, cv2.IMREAD_GRAYSCALE)
        if img_data is None:
            continue  # 跳过无法读取的损坏图片
        img_data = cv2.resize(img_data, (IMG_SIZE, IMG_SIZE))
        training_data.append([np.array(img_data), np.array(label)])
    shuffle(training_data)
    np.save('train_data.npy', training_data)
    return training_data

3. 数据加载后的校验建议 #

建议在运行完整逻辑前，先打印几个文件名和对应的标签，快速验证逻辑是否正确：

# 测试文件名处理逻辑，取前5个文件验证
for img in os.listdir(TRAIN_DIR)[:5]:
    print(f"文件名: {img}, 标签: {label_img(img)}")

这样能快速定位到是否有异常文件导致的索引问题。

内容的提问来源于stack exchange，提问作者SaladSnake