关于DDPG算法

[zhenbin-li]

def choose_action(self, s):
s = s[np.newaxis, :] # single state
return self.sess.run(self.a, feed_dict={S: s})[0] # single action

你好，想问问这个函数返回值最后[0]是返回的什么东西呢

[A1lo]

神经网络每次会读取一个批次的数据，但这里的输入只有一个状态样本，在将状态s feed到模型之前，这里对其扩充了一个维度，使输入变为了批次大小为1的向量（s = s[np.newaxis, :]）。同样地，模型返回的预测也是一个批次的，我们要获取输入的单个状态的预测，则需要通过 [0]，将返回的数组中的第一个元素取出来，其对应输入的单个状态的预测值。