tf.multinomial输出范围以外的数字

Question

我正在使用OpenAI健身环境(使用策略梯度)。我的网络输出的动作高于可能的动作范围。

n_outputs = 9
learning_rate = 0.01

initializer = tf.variance_scaling_initializer()

X = tf.placeholder(tf.float32, shape=[None, 50, 70, 1])
network = tflearn.conv_2d(X, 32, 5, strides=2, activation='relu')
network = tflearn.max_pool_2d(network, 2)
network = tflearn.conv_2d(network, 32, 5, strides=2, activation='relu')
network = tflearn.max_pool_2d(network, 2)
network = tflearn.fully_connected(network, 256, activation='relu')
hidden = tf.layers.dense(network, 64, activation=tf.nn.relu, kernel_initializer=initializer)
logits = tf.layers.dense(hidden, n_outputs)
outputs = tf.nn.softmax(logits)
action = tf.multinomial(outputs, num_samples=1)

它输出9，这在健身房环境中产生了一个错误。

全码。

Answer 1

如果tf.multinomial遇到数值误差，它就会在范围之外进行采样，也就是说--图中有NaNs。