文本分类失败主因是预处理不当：TextVectorization需复用同一实例并正确adapt，sequence_length必须设置以防ragged tensor；class_names须按dataset.class_names获取，不可硬编码；max_tokens和oov_token配置不当会导致OOV泛滥。
TensorFlow 做文本分类，别急着套 tf.keras.Sequential 加几层 Dense —— 大多数失败都卡在预处理和输入张量形状上，而不是模型结构本身。
文本怎么喂给 tf.keras.Model？关键在 tf.data.Dataset.from_tensor_slices 和 tf.keras.layers.TextVectorization
原始字符串不能直接进模型。必须先做向量化，而且要和训练时完全一致地复用同一个 TextVectorization 层（不能重新 fit）。常见错误是：训练用一个 vectorizer，预测时新建一个再 adapt()，结果词表不一致，UNK 爆满。
- 把训练文本提前传给
TextVectorization的adapt()方法，确定词汇表和序列长度 - 用该 layer 包裹进模型（推荐），或提前调用
vectorize_layer(text)得到 int64 张量再喂入模型 -
output_mode='int'对应 embedding 输入，'multi_hot'或'count'适合浅层分类器 - 注意
sequence_length必须设 —— 否则输出是 ragged tensor，Dense 层会报ValueError: Input tensor must be a regular tensor
model.predict() 返回概率但标签对不上？检查 class_names 是否按 tf.data.Dataset 的 class_names 属性顺序排列
TensorFlow 数据集的标签是按目录名或 list_files 的字典序自动编号的，不是你传入列表的顺序。比如数据目录是 ['spam', 'ham']，但文件系统里 ham/ 排前面，那 label 0 就对应 'ham'。
- 训练前用
dataset.class_names显式取真实顺序，别硬写['neg', 'pos'] -
model.predict()输出 shape 是(N, num_classes)，用np.argmax(preds, axis=1)得整数索引，再查class_names[idx] - 如果用了
tf.keras.utils.image_dataset_from_directory类似逻辑读文本（如按文件夹分正负样本），这个规则同样适用
验证集准确率卡在 50% 上下？大概率是 TextVectorization 的 max_tokens 设太小或 oov_token 没生效
默认 max_tokens=None 会保留全部词，但实际中常设为 10000 左右。若设成 1000，而你的语料有大量长尾词，大部分 token 都变成 OOV，模型学不到有效模式。
立即学习“Python免费学习笔记（深入）”；
- 用
vectorize_layer.get_vocabulary()查看实际收录的 top-k 词，确认常见词（如“的”、“了”、“error”、“failed”）是否在列 - 确保构造
TextVectorization时传了oov_token='[UNK]'，否则 OOV 会被静默丢弃，序列变短且错位 - 若用预训练 embedding（如 GloVe），记得 vocabulary 必须和 embedding 文件严格对齐，不匹配时 embedding lookup 会全为 0
真正麻烦的从来不是写完 model.compile，而是 vectorizer 的 adapt 数据是否覆盖了部署时的所有 token 类型，以及 class_names 的顺序有没有被文件系统悄悄重排。
