咱们直接戳中问题根源：你代码里写了for i in range(32)想遍历32个特征通道，但实际上模型第4层输出的特征图只有1个通道（报错信息里的axis 3 with size 1已经明确说明），当循环到i=1时自然就触发了索引越界错误。

为什么会出现这个情况？ #

大概率是你自定义卷积网络时，第4层（也就是model.layers[4]）的输出通道数被设置成了1——比如卷积层的filters参数误设为1了。你可以先加一行代码确认这个判断：

# 打印第4层的输出形状，验证通道数
print(model.layers[4].output.shape)

运行后应该会看到类似(None, height, width, 1)的结果，这就实锤了通道数确实是1。

怎么解决？ #

根据你的实际需求，有两种可行思路：

思路1：动态适配实际通道数（推荐）

不要硬写死32，而是从output_image的形状里获取真实的通道数，再基于这个数值循环：

# 获取输出特征图的实际通道数
num_channels = output_image.shape[-1]
fig = plt.figure(figsize=(8,8))
# 用真实通道数作为循环范围
for i in range(num_channels):
    # 因为只有1个通道，调整子图布局为1行1列
    ax = fig.add_subplot(1, 1, i+1)
    # 保留一次imshow调用即可，避免重复覆盖
    ax.imshow(output_image[0,:,:,i], interpolation='nearest', cmap=matplotlib.cm.gray)
    plt.xticks([])
    plt.yticks([])
plt.tight_layout()

这样不管模型输出多少通道，代码都能自动适配，不会再出现越界问题。

思路2：调整模型第4层的通道数

如果你本来就希望第4层输出32个通道，那回到模型定义部分，把第4层卷积层的filters参数改成32，比如：

# 示例：修改第4层为32个卷积核（根据你的实际结构调整参数）
model.add(Conv2D(32, (3,3), activation='relu', padding='same'))

重新训练模型后，再运行你的绘图代码，就不会报错了。

额外小提醒 #

你代码里连续两次调用ax.imshow()是重复操作，第二次会覆盖第一次的绘图效果，保留带cmap=matplotlib.cm.gray的那一行就足够了。

内容的提问来源于stack exchange，提问作者awfullyCold