使用pad_sequences触发IndexError错误的解决方法

错误原因 #

你的x00_1是形状为(1, 389, 39)的3维数组，当前代码存在两个核心问题：

• 若i不等于0，x00_1[i]会直接触发索引越界（因为第一维仅包含1个元素）；
• 即使i=0，x00_1[0]是(389, 39)的2维数组，传入pad_sequences后会被误判为389个长度为39的一维序列，pad后输出形状为(389, 128)，既不符合你“将长度389的39维序列pad到128长度”的需求，还会因形状不匹配触发索引错误。

修复代码 #

如果你需要将x00_1中唯一的样本（形状(389, 39)）在序列长度维度（即389对应的维度）pad为(128, 39)，按以下方式修改代码：

from tensorflow.keras.utils import pad_sequences
# 取出x00_1中的唯一样本，包装成列表传入pad_sequences
padded_result = pad_sequences([x00_1[0]], padding='post', maxlen=128, dtype='float32')
# padded_result形状为(1, 128, 39)，提取第一个元素得到目标形状(128, 39)
input_x[i] = padded_result[0]

注意事项 #

• 确保i的取值在input_x的有效索引范围内，比如input_x的长度至少为i+1，且每个元素的形状为(128, 39)；
• pad_sequences的输入应为样本列表，当单个样本是二维数组（序列长度+特征维度）时，必须将其放入列表中，否则函数会错误地把特征维度当成序列长度处理。

内容的提问来源于stack exchange，提问作者Vina