Python相似图像检索脚本报TypeError: 仅整数标量数组可转标量索引错误

触发这个报错的本质是给Python原生列表传了不符合要求的索引值。
具体到你的代码场景：

• img_paths是Python原生list，它只接受Python原生的int类型标量做索引值
• ids是numpy数组类型，哪怕是整数数组，只要遍历出来的元素是numpy非标量、或者类型是numpy的数值类型（比如np.int64），或者本身维度没对齐成1维的单个值，拿它当list的索引就会直接抛出上述TypeError。

• 先在报错行前加调试代码确认ids的实际状态：
  插入代码：print(type(ids), ids.shape, ids.dtype, ids[0] if len(ids) >0 else "empty")
  正常的索引数组应该是1维的，输出类似<class 'numpy.ndarray'> (30,) int64 2；如果shape显示为2维（比如(1,30)），说明你前面计算距离时features和query的维度没对齐，导致排序返回的是嵌套的二维数组，遍历出来的每个元素本身就是一个数组，根本没法当单个索引值用。
• 场景1：调试后确认ids是正常1维、元素为整数的numpy数组
  只需要把每个索引强制转换成Python原生int类型，修改报错行的代码即可：

  scores = [img_paths[int(id)] for id in ids]
  

• 场景2：调试发现ids是二维/嵌套结构
  先把数组展平成1维再做取值：

  ids = np.argsort(dists)[:30].flatten()
  scores = [img_paths[int(id)] for id in ids]
  

你当前FeatureExtractor初始化部分的代码存在冗余：

• 前面基于VGG16搭建带自定义全连接层、编译模型的逻辑完全没有被实际使用，后面又重新初始化了一个只取VGG16最后一层卷积输出的模型作为self.model，前面的Dense、Dropout、Adam编译相关的代码都可以直接删掉，减少不必要的模型加载耗时。
• 如果不想单独处理索引类型，也可以用numpy原生的取值逻辑遍历，规避非原生int类型的索引兼容问题：

  scores = [img_paths[i] for i in np.nditer(ids)]
  

  np.nditer会强制把每个索引值转成单个标量再返回，不会出现嵌套数组当索引的问题。

内容的提问来源于stack exchange，提问作者Jkaoutar