本人python小白一枚，学院突然要求用python做机器学习基于Adaboost算法的人脸识别实验。。猝不及防呀。。

写了一会儿代码之后发现，自己的程序调用老师提供feature.py的类方法时会报错index error，看了半天不知道哪里出错，希望能有高手指点。

顺便问一下，如何用pickle库中的dump()函数将特征数据存在缓存中，稍后再用load()读取？


报错信息：
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-16-7de3db667e50> in <module>()
     52 for k in range(data_size - 1):
     53     npd = NPDFeature(img_set[k])
---> 54     npd.extract()

<ipython-input-16-7de3db667e50> in extract(self)
     32         for i in range(self.n_pixels - 1):
     33             for j in range(i + 1, self.n_pixels, 1):
---> 34                 self.features[count] = NPDFeature.__NPD_table__[self.image[i]][self.image[j]]
     35                 count += 1
     36         return self.features

IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices

代码：
from skimage import data_dir,transform,color
import numpy
import cv2
import skimage.io as io
import matplotlib.pyplot as plt


def convert_gray(f):
     rgb=io.imread(f)    # read RGB image
     gray=color.rgb2gray(rgb)   # convert RGB images to Gray images
     dst=transform.resize(gray,(24,24))  # resize
     return dst

path='/Users/jzh/Desktop/ML2018-lab-03-master/datasets/original/face/*.jpg:/Users/jzh/Desktop/ML2018-lab-03-master/datasets/original/nonface/*.jpg' # this is my images' path
img_set = io.ImageCollection(path,load_func=convert_gray) # load images and convert them

#io.imshow(img_set[20])


# %load feature.py
import numpy

data_size = 1000 # there are totally 1000 images

class NPDFeature():
    """It is a tool class to extract the NPD features.

    Attributes:
        image: A two-dimension ndarray indicating grayscale image.
        n_pixels: An integer indicating the number of image total pixels.
        features: A one-dimension ndarray to store the extracted NPD features.
    """
    __NPD_table__ = None

    def __init__(self, image):
        '''Initialize NPDFeature class with an image.'''
        if NPDFeature.__NPD_table__ is None:
            NPDFeature.__NPD_table__ = NPDFeature.__calculate_NPD_table()
        assert isinstance(image, numpy.ndarray)
        self.image = image.ravel()
        self.n_pixels = image.size
        self.features = numpy.empty(shape=self.n_pixels * (self.n_pixels - 1) // 2, dtype=float)

    def extract(self):
        '''Extract features from given image.

        Returns:
            A one-dimension ndarray to store the extracted NPD features.
        '''
        count = 0
        for i in range(self.n_pixels - 1):
            for j in range(i + 1, self.n_pixels, 1):
                self.features[count] = NPDFeature.__NPD_table__[self.image[i]][self.image[j]]  #报错
                count += 1
        return self.features

    @staticmethod
    def __calculate_NPD_table():
        '''Calculate all situations table to accelerate feature extracting.'''
        print("Calculating the NPD table...")
        table = numpy.empty(shape=(1 << 8, 1 << 8), dtype=float)
        for i in range(1 << 8):
            for j in range(1 << 8):
                if i == 0 and j == 0:
                    table[i][j] = 0
                else:
                    table[i][j] = (i - j) / (i + j)
        return table

# extract features
for k in range(data_size - 1):
    npd = NPDFeature(img_set[k])
    npd.extract()  #extract处报错