为什么它给出的指数超出了keras的界限？

def preds（k）： 从日期时间导入日期时间 y_temp=np.zero（（len（test_vec），3）） y_pred=np.zero（（len（test_vec），3）） i=0； 从sklearn.model_选择导入KFold kf=KFold（n_分割=k，随机状态=2）

对于序列索引，在kf中测试索引。拆分（数据）：
打印（数据）
打印（目标）
打印（列车索引）
打印（测试索引）
K.清除会话（）
start=datetime.now（）
打印（'fold====================>>>>>>>>>>>，i+1）
#X_列，X_测试=数据[列索引]。值，数据[测试索引]。值
#y_train，y_test=目标[train_index]。值，目标[test_index]。值
a=np.asarray（数据[列车索引]）
b=np.asarray（数据[测试索引]）
c=np.asarray（目标[列车索引]）
d=np.asarray（目标[测试索引]）
型号=无
num_filters=[64128256512]
模型=vdcnn_模型（）
提前停止=提前停止（监视器='val\u loss'，耐心=5）
bst_模型_路径='cv10_最佳权重'+str（i+1）+'.h5'
模型检查点=模型检查点（bst\U模型路径，保存最佳值，仅保存权重，仅保存权重）
hist=模型拟合（a，c\
验证数据=（b，d）\
epoch=200，批处理大小=256，回调=[提前停止，模型检查点]）
bst_val_分数=分钟（历史记录['val_loss']）
打印（'bst_val_分数'，bst_val_分数）
#模型.负载权重（bst模型路径）
#model.fit（数据，y，历代数=2，批量大小=256，随机数=True，）
#y_temp=model.predict（[测试数据]，批量大小=256，详细度=1）
#y_pred+=y_temp
end=datetime.now（）
打印（“”）
打印（“此折叠所用的时间”，结束-开始）
i+=1
preds（2）
给予-
索引器回溯（最后一次最近调用）
在（）
---->1（2）
在preds中（k）
17#X#u列，X#u测试=数据[列索引]。值，数据[测试索引]。值
18#y#u train，y#u test=目标[train#u index]。值，目标[test#u index]。值
--->19 a=np.asarray（数据[列车索引]）
20 b=np.asarray（数据[测试指数]）
21 c=np.asarray（目标[列车索引]）
索引器：索引超出范围

---

我尝试了所有方法-.values、.asarray、.array、as_matrix（），但仍然得到相同的错误。

数据的长度是多少，当您得到错误时，列索引是什么？数据长度-1440000，列索引-[720000 720001 720002…，143997 143998 143999]Try data.iloc[train_index]相反，到处都是。@UpasanaMittal是的，谢谢它奏效了

for train_index, test_index in kf.split(data):
    print(data)
    print(target)
    print(train_index)
    print(test_index)
    K.clear_session()
    start=datetime.now()
    print('fold====================>>>>>>>>>>',i+1)
    #X_train , X_test = data[train_index].values, data[test_index].values
    #y_train , y_test = target[train_index].values, target[test_index].values
    a=np.asarray(data[train_index])
    b=np.asarray(data[test_index])
    c=np.asarray(target[train_index])
    d=np.asarray(target[test_index])

    model = None
    num_filters = [64, 128, 256, 512]
    model=vdcnn_model()

    early_stopping =EarlyStopping(monitor='val_loss', patience=5)
    bst_model_path = 'cv10_best_weights'+str(i+1) + '.h5'
    model_checkpoint = ModelCheckpoint(bst_model_path, save_best_only=True, save_weights_only=True)

    hist = model.fit(a, c, \
            validation_data=(b, d), \
            epochs=200, batch_size=256,callbacks=[early_stopping, model_checkpoint])

    bst_val_score = min(hist.history['val_loss'])
    print('bst_val_score',bst_val_score)

    #model.load_weights(bst_model_path)
    #model.fit(data, y,epochs=2, batch_size=256, shuffle=True,)

    #y_temp = model.predict([test_data], batch_size=256, verbose=1)
    #y_pred+=y_temp
    end=datetime.now()
    print(" ")
    print('time taken for this fold', end-start)
    i+=1
preds(2)

giving-
       IndexError                                Traceback (most recent    call last)
       <ipython-input-105-6de2161fc4d0> in <module>()
       ----> 1 preds(2)

       <ipython-input-104-bf8abb1717a0> in preds(k)
 17         #X_train , X_test = data[train_index].values, data[test_index].values
 18         #y_train , y_test = target[train_index].values, target[test_index].values
 ---> 19         a=np.asarray(data[train_index])
 20         b=np.asarray(data[test_index])
 21         c=np.asarray(target[train_index])

    IndexError: indices are out-of-bounds