Python Tensorflow范围与标签

Tensorflow要了我的命，请帮忙：）我在这里找到了一些关于我的问题的答案，但它们是无用的。。。我无法理解为什么我会收到这样的信息：

InvalidArgumentError:  Received a label value of 3 which is outside the valid range of [0, 3).  Label values: 2 3 3 1 2 1 1 3 1 1 1 2 3 3 1 1 1 3 1 3 2 3 1 2 1 3 2 1 2 2 2 3
     [[node sparse_categorical_crossentropy/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits (defined at <ipython-input-68-069e54b769de>:2) ]] [Op:__inference_train_function_47373]

Function call stack:
train_function

---

我做错了什么？我有最新的TF2.3。我只在复制使用原始数据的示例时更改数据输入。。。有什么想法吗？

您的标签应该从0开始。也就是说，消息中的值将是

[1,2,2,0,1,0,0，…]

。通常，当您有

n

类时，将标签编码为

0

和

n-1

之间的整数。由于您没有在定义标签的地方包含代码，很遗憾，我无法包含这方面的代码示例。

它不起作用。我将标签重新编码为0,1,2，但错误仍然存在。。。在这个例子中，我复制（这一个有效）标签是文本的[thr，bfg，tdf]，最初我的标签也是文本的[a，b，c，]。谢谢你的帮助！我想我找到了解决办法。在嵌入层中，形状需要由三个参数定义：model.add（嵌入（VOCAB_SIZE，embedding_DIM，input_length=X.shape[1]）重要的是，input_length需要与X.shape[1]的正确值匹配！！！它适用于我的情况（多标签分类，NLP）。

model = Sequential()
model.add(Embedding(len(word_index) + 1,
                     EMBEDDING_DIMENSION))
model.add(SpatialDropout1D(0.3))
model.add(Bidirectional(LSTM(EMBEDDING_DIMENSION)))
model.add(Dense(EMBEDDING_DIMENSION, activation='relu'))
model.add(Dropout(0.8))

model.add(Dense(EMBEDDING_DIMENSION, activation='relu'))
model.add(Dropout(0.8))

model.add(Dense(3, activation='softmax'))