list index out of range

qq_40009842 2018-12-05 10:13:18

        for loop in range(40):



            # 生成并打乱训练集的顺序。

            #indices = np.arange(50000)

            indices = np.arange(314)

            random.shuffle(indices)



            # batch size此处定义为200。

            # 训练集一共50000张图片，前40000张用于训练，后10000张用于验证集。

            #for i in range(0, 0+4000, 200):

            for i in range(0, 0 + 300, 15):

                photo = []

                label = []

                #for j in range(0, 200):

                for j in range(0, 15):

                    # print(keys[indices[i + j]])

                    photo.append(cv2.resize(cv2.imread(keys[indices[i + j]]), (224, 224))/225)

                    label.append(files[keys[indices[i + j]]])

                m = getOneHotLabel(label, depth=3)

                a, b = sess.run([optimizer, loss], feed_dict={myinput: photo, mylabel: m})

                print("\r%lf"%b, end='')



            acc = 0

            # 每次取验证集的200张图片进行验证，返回这200张图片的正确率。

            #for i in range(40000, 40000+10000, 200):

            for i in range(300, 300 + 14, 2):

                photo = []

                label = []

                for j in range(i, i + 2):

                    photo.append(cv2.resize(cv2.imread(keys[indices[j]]), (224, 224))/225)

                    label.append(files[keys[indices[j]]])

                m = getOneHotLabel(label, depth=3)

                acc += sess.run(valaccuracy, feed_dict={myinput: photo, mylabel: m})

            # 输出，一共有50次验证集数据相加，所以需要除以50。

            #print("Epoch ", loop, ': validation rate: ', acc/50)

            print("Epoch ", loop, ': validation rate: ', acc / 7)

        # 保存模型。

        saver.save(sess, "AlexNet/AlexNet.ckpt")

运行报错：IndexError: list index out of range
这个该如何解决呢？该代码转自：https://blog.csdn.net/DaVinciL/article/details/78888605
期望各位的指导。
感谢。

...全文

375 5 打赏收藏转发到动态举报

写回复

用AI写文章

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

qq_40009842 2018-12-06

打赏
举报

新手小白一个，如有错误，还请指导

qq_40009842 2018-12-06

打赏
举报

引用 2 楼百年da孤独的回复:

代码都不搞完整，别人怎么给你调试？

def alexnet_main():

    # 加载使用的训练集文件名和标签。

    files = np.load("label.npy", encoding='bytes')[()]



    # 提取文件名。

    keys = [i for i in files]



    print(len(keys))



    myinput = tf.placeholder(dtype=tf.float32, shape=[None, 224, 224, 1], name='input')

    mylabel = tf.placeholder(dtype=tf.float32, shape=[None, 3], name='label')



    # 建立网络，keepprob为0.6。

    myoutput = alexnet(myinput, 0.6)



    # 定义训练的loss函数。

    loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=myoutput, labels=mylabel))



    # 定义优化器，学习率设置为0.09，学习率可以设置为其他的数值。

    optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.09).minimize(loss)



    # 定义准确率

    valaccuracy = tf.reduce_mean(

        tf.cast(

            tf.equal(

                tf.argmax(myoutput, 1),

                tf.argmax(mylabel, 1)),

            tf.float32))



    # tensorflow的saver，可以用于保存模型。

    saver = tf.train.Saver()

    init = tf.global_variables_initializer()

    with tf.Session() as sess:

        sess.run(init)

        # 40个epoch

        for loop in range(40):



            # 生成并打乱训练集的顺序。

            #indices = np.arange(50000)

            indices = np.arange(314)

            random.shuffle(indices)



            # batch size此处定义为200。

            # 训练集一共50000张图片，前40000张用于训练，后10000张用于验证集。

            #for i in range(0, 0+40000, 200):

            for i in range(0, 0 + 300, 10):

                photo = []

                label = []

                #for j in range(0, 200):

                for j in range(0, 10):

                    #print(keys[indices[i + j]])

                    #print(indices[i + j])

                    #l = len(keys)

                    #print("%d\n" % l)

                    photo.append(cv2.resize(cv2.imread(keys[indices[i + j]]), (224, 224))/225)

                    label.append(files[keys[indices[i + j]]])

                m = getOneHotLabel(label, depth=3)

                a, b = sess.run([optimizer, loss], feed_dict={myinput: photo, mylabel: m})

                print("\r%lf"%b, end='')



            acc = 0



            # 每次取验证集的200张图片进行验证，返回这200张图片的正确率。

            #for i in range(40000, 40000+10000, 200):

            for i in range(300, 300 + 14, 2):

                photo = []

                label = []

                for j in range(i, i + 2):

                    photo.append(cv2.resize(cv2.imread(keys[indices[j]]), (224, 224))/225)

                    label.append(files[keys[indices[j]]])

                m = getOneHotLabel(label, depth=3)

                acc += sess.run(valaccuracy, feed_dict={myinput: photo, mylabel: m})

            # 输出，一共有50次验证集数据相加，所以需要除以50。

            #print("Epoch ", loop, ': validation rate: ', acc/50)

            print("Epoch ", loop, ': validation rate: ', acc / 7)

        # 保存模型。

        saver.save(sess, "AlexNet/AlexNet.ckpt")



if __name__ == '__main__':

    alexnet_main()

我个人觉得是keys的问题，print 出来keys是3，而我的数据是314，所以超界了。以下代码是key所指文件转换

import numpy as np

import os





train_label = {}



for i in range(3):

    search_path = 'F:/2/data/train'.format(i)

    file_list = os.listdir(search_path)

    for file in file_list:

        train_label[os.path.join(search_path, file)] = i



np.save('label.npy', train_label)



test_label = {}



for i in range(3):

    search_path = 'F:/2/data/test'.format(i)

    file_list = os.listdir(search_path)

    for file in file_list:

        test_label[os.path.join(search_path, file)] = i



np.save('test-label.npy', test_label)