关于DDPG算法
zhenbin-li opened this issue · comments
zhenbin-li commented
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 commented
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。