对于大小为 1 的轴 0，索引 1 超出范围答案

【问题标题】：index 1 is out of bounds for axis 0 with size 1对于大小为 1 的轴 0，索引 1 超出范围
【发布时间】：2015-10-13 00:29:49
【问题描述】：

N=100
numbers_training_pattern=10
for pattern in range(number_training_pattern):
rate=np.zeros((1,N))


   for epoch in range(1,nepochs+1):


        if epoch<=1:
           clamp=1
        else:
           clamp=0

       activ=np.zeros((1,N))
       for neuron in range(N):


          PreSynInput = rate.T + (Testing_pattern[neuron, pattern] * clamp)


          activ[neuron] = np.dot(PreSynInput.T,autocorrelation_matrix[:,neuron])

错误 IndexError Traceback（最近一次调用最后一次）在（） 17 18 ---> 19 activ[neuron] = np.dot(PreSynInput.T,autocorrelation_matrix[:,neuron]) 20 21

IndexError：索引 1 超出轴 0 的范围，大小为 1

【问题讨论】：

您应该细化您的问题以遵循一些stackoverflow 的指导方针。你没有明确的问题，没有任何解释。请详细说明。

标签： python indexoutofboundsexception

【解决方案1】：

activ=np.zeros((1,N))

表示activ 有1 行和N 列。 activ[0] 指的是第一行。 activ[1] 会引发 IndexError 因为没有第二行。

for i in range(N) 使 i 的范围从 0 到 N-1。因此，如果N 大于 1，则会发生错误。

在更改最少的当前代码的同时修复错误的一种方法是使用

activ[0, neuron] = np.dot(PreSynInput.T,autocorrelation_matrix[:,neuron])

但是，逐个元素为 NumPy 数组赋值通常不是利用 NumPy 的理想方式。如果您可以将计算表达为在更大的数组上完成并且没有 Python for 循环，您将获得更好的性能。

例如，如果我正确理解未定义数组的形状，您可以代替

activ=np.zeros((1,N))
for neuron in range(N):
    PreSynInput = rate.T + (Testing_pattern[neuron, pattern] * clamp)
    activ[neuron] = np.dot(PreSynInput.T,autocorrelation_matrix[:,neuron])

与

PreSynInput = (rate.T + (Testing_pattern[:, pattern] * clamp))
activ = np.einsum('ij,ij->j', PreSynInput, autocorrelation_matrix)

例如，

import numpy as np
np.random.seed(2015)
N, M, pattern = 10, 5, 0
clamp = 1
autocorrelation_matrix = np.random.randint(10, size=(N, N))
Testing_pattern = np.random.randint(10, size=(N, M))
rate = np.random.randint(10, size=(1,N))

activ=np.zeros((1,N))
for neuron in range(N):
    PreSynInput = rate.T + (Testing_pattern[neuron, pattern] * clamp)
    activ[:, neuron] = np.dot(PreSynInput.T, autocorrelation_matrix[:,neuron])

PreSynInput = (rate.T + (Testing_pattern[:, pattern] * clamp))
activ2 = np.einsum('ij,ij->j', PreSynInput, autocorrelation_matrix)

print(activ)
# [[ 405.  421.  272.  475.  227.  424.  644.  212.  325.  502.]]

print(activ2)
# [405 421 272 475 227 424 644 212 325 502]

如果你能找到一种方法来消除 for pattern-loop 和for epoch-loop。

如何消除这些循环是一个非常困难和有趣的问题证明一个单独的问题。如果您确实发布了有关它的新问题，请包括 minimal example with runnable code 以便它绝对清楚给定输入所需的输出是什么。

【讨论】：