Python，元组索引必须是整数，而不是元组？答案

【问题标题】：Python, tuple indices must be integers, not tuple?Python，元组索引必须是整数，而不是元组？
【发布时间】：2017-02-11 20:04:41
【问题描述】：

所以，我不完全确定这里发生了什么，但无论出于何种原因，Python 都会向我抛出这个问题。作为参考，它是我为了好玩而构建的一个小型神经网络的一部分，但它使用了很多 np.array 等，所以有很多矩阵被抛出，所以我认为它正在创建某种数据类型冲突.也许有人可以帮我解决这个问题，因为我一直盯着这个错误太久而无法修复它。

#cross-entropy error
#y is a vector of size N and output is an Nx3 array
def CalculateError(self, output, y): 

    #calculate total error against the vector y for the neurons where output = 1 (the rest are 0)
    totalError = 0
    for i in range(0,len(y)):
       totalError += -np.log(output[i, int(y[i])]) #error is thrown here

    #now account for regularizer
    totalError+=(self.regLambda/self.inputDim) * (np.sum(np.square(self.W1))+np.sum(np.square(self.W2)))     

    error=totalError/len(y) #divide ny N
    return error

编辑：这是返回输出的函数，因此您知道输出的来源。 y 是一个长度为 150 的向量，直接取自文本文档。在 y 的每个索引处，它包含一个索引 1,2 或 3：

#forward propogation algorithm takes a matrix "X" of size 150 x 3
def ForProp(self, X):            
        #signal vector for hidden layer
        #tanh activation function
        S1 = X.dot(self.W1) + self.b1
        Z1 = np.tanh(S1)

        #vector for the final output layer
        S2 = Z1.dot(self.W2)+ self.b2
        #softmax for output layer activation
        expScores = np.exp(S2)
        output = expScores/(np.sum(expScores, axis=1, keepdims=True))
        return output,Z1

【问题讨论】：

看起来 output 实际上并不像你想象的那样是一个 Nx4 数组。
请附上完整的引用。
如何保证 y[i] 在 [0,3] 范围内？这似乎是你的问题。这要么是彻头彻尾的错误，要么是需要在架构中修复的创可贴。
你如何处理ForProp 的结果？它返回一个元组，可能你正在传递生成的内容，它是由output 和 Z1组成的元组，我猜你有类似output = ForProp( .. )的东西应该是output, Z1 = ForProp( ... )

标签： python indexing types tuples

【解决方案1】：

您的output 变量不是N x 4 矩阵，至少在python 类型 意义上不是。它是一个元组，只能由单个数字索引，并且您尝试按元组（2 个数字，中间有逗号）进行索引，这仅适用于 numpy 矩阵。打印您的输出，确定问题是否只是一种类型（然后只需转换为 np.array），或者您传递的内容是否完全不同（然后修复产生 output 的任何内容）。

正在发生的事情的示例：

import numpy as np
output = ((1,2,3,5), (1,2,1,1))

print output[1, 2] # your error
print output[(1, 2)] # your error as well - these are equivalent calls

print output[1][2] # ok
print np.array(output)[1, 2] # ok
print np.array(output)[(1, 2)] # ok
print np.array(output)[1][2] # ok

【讨论】：