tfRecord TypeError: only integer scalar arrays can be converted to a scalar index 错误解决办法

从网上找到一个通过numpy array生成tfrecord的代码，但是运行时报错，出现TypeError: only integer scalar arrays can be converted to a scalar index错误，原因是该记录为类型不匹配 需要从integer scalar arrays -> 单个int64数字

"""
原有问题代码如下，注释部分为正确代码
本程序演示了如何保存numpy array为TFRecords文件，并将其读取出来。
"""
import random

import numpy as np
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

def save_tfrecords(state_data, action_data, reward_data, dest_file):
    """
    保存numpy array到TFRecord文件中。
    这里输入了三个不同的numpy array来做演示，它们含有不同类型的元素。
    Args:
        state_data: 要保存到TFRecord文件的第1个numpy array，每一个 state_data[i] 是一个 numpy.ndarray（数组里的每个元素又是一个浮点
                    数），因此不能用 Int64List 或 FloatList 来存储，只能用 BytesList。
        action_data: 要保存到TFRecord文件的第2个numpy array，每一个 action_data[i] 是一个整数，使用 Int64List 来存储。
        reward_data: 要保存到TFRecord文件的第3个numpy array，每一个 reward_data[i] 是一个整数，使用 Int64List 来存储。
        dest_file: 输出文件的路径。
    Returns:
        不返回任何值
    """
    with tf.io.TFRecordWriter(dest_file) as writer:
        for i in range(len(state_data)):
            features = tf.train.Features(
                feature={
     
                    # 不同点1 也是可以用floatList的
                    #"state": tf.train.Feature(                 
                       #float_list=tf.train.FloatList(value=state_data[i].astype(np.float))),
                    "state": tf.train.Feature(
                        bytes_list=tf.train.BytesList(value=[state_data[i].astype(np.float32).tobytes()])),
                    "action": tf.train.Feature(
                        int64_list=tf.train.Int64List(value=[action_data[i]])),
                    "reward": tf.train.Feature(
                        int64_list=tf.train.Int64List(value=[reward_data[i]])) 
                    # 不同点2
                    # "action": tf.train.Feature(
                    #     int64_list=tf.train.Int64List(value=action_data[i].astype(np.int))),
                    # "reward": tf.train.Feature(
                    #     int64_list=tf.train.Int64List(value=reward_data[i].astype(np.int)))
                }
            )
            tf_example = tf.train.Example(features=features)
            serialized = tf_example.SerializeToString()
            writer.write(serialized)



if __name__ == '__main__':
    buffer_s, buffer_a, buffer_r = [], [], []

    # 随机生成一些数据
    for i in range(3):
        state = [round(random.random() * 100, 2) for _ in range(0, 10)]  # 一个数组，里面有10个数，每个都是一个浮点数
        action = random.randrange(0, 2)  # 一个数，值为 0 或 1
        reward = random.randrange(0, 100)  # 一个数，值域 [0, 100)
        # 把生成的数分别添加到3个list中
        buffer_s.append(state)
        buffer_a.append(action)
        buffer_r.append(reward)

        # 查看生成的数据
    print(buffer_s)
    print(buffer_a)
    print(buffer_r)

    # 在水平方向把各个list堆叠起来，堆叠的结果：得到3个矩阵
    s_stacked = np.vstack(buffer_s)
    a_stacked = np.vstack(buffer_a)
    r_stacked = np.vstack(buffer_r)

    print(s_stacked.shape)  # (3, 10)
    print(a_stacked.shape)  # (3, 1)
    print(r_stacked.shape)  # (3, 1)


    print(s_stacked)
    print(a_stacked)
    print(r_stacked)


    print("data generate sucess!")

    # 写入TFRecord文件
    output_file = './data.tfrecord'  # 输出文件的路径
    save_tfrecords(s_stacked, a_stacked, r_stacked, output_file)

原始代码块：
action：为
[[0]
[1]
[1]]
通过切片操作获取其中的一个元素，这个元素也是list，所以不需要再强制转为list，通过 .astype(np.int) 转为具体类型

参考链接：
【1】numpy数组TypeError：只能将整数标量数组转换为标量索引(numpy array TypeError: only integer scalar arrays can be converted to a scalar index)
【2】Numpy中stack()，hstack()，vstack()函数详解