具有自定义环境的Tensorflow 2.0 DQN代理问题

Question

因此，我一直遵循DQN代理示例/教程，并且像示例中那样进行设置，唯一的不同是，我构建了自己的自定义python环境，然后将其包装在TensorFlow中。但是，无论我如何调整观察结果和操作规范，似乎都无法通过观察和请求操作来使它起作用。这是我得到的错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError：In [0]是不是矩阵相反，它的形状为[10] [Op：MatMul]

这是我设置代理的方式：

layer_parameters = (10,) #10 layers deep, shape is unspecified

#placeholders 
learning_rate = 1e-3  # @param {type:"number"}
train_step_counter = tf.Variable(0)

#instantiate agent

optimizer = tf.compat.v1.train.AdamOptimizer(learning_rate=learning_rate)

env = SumoEnvironment(self._num_actions,self._num_states)
env2 = tf_py_environment.TFPyEnvironment(env)
q_net= q_network.QNetwork(env2.observation_spec(),env2.action_spec(),fc_layer_params = layer_parameters)

print("Time step spec")
print(env2.time_step_spec())

agent = dqn_agent.DqnAgent(env2.time_step_spec(),
env2.action_spec(),
q_network=q_net,
optimizer = optimizer,
td_errors_loss_fn=common.element_wise_squared_loss,
train_step_counter=train_step_counter)

这是我设置环境的方式：

class SumoEnvironment(py_environment.PyEnvironment):

def __init__(self, no_of_Actions, no_of_Observations):

    #this means that the observation consists of a number of arrays equal to self._num_states, with datatype float32
    self._observation_spec = specs.TensorSpec(shape=(16,),dtype=np.float32,name='observation')
    #action spec, shape unknown, min is 0, max is the number of actions
    self._action_spec = specs.BoundedArraySpec(shape=(1,),dtype=np.int32,minimum=0,maximum=no_of_Actions-1,name='action')


    self._state = 0
    self._episode_ended = False

这是我的输入/观察结果：

tf.Tensor（[0. 0. 0. 0. 0. 0. 0. 0.-1.-1.-1.-1.-1.0.0.0.-1。]，shape =（16，），dtype = float32）

我已经尝试过Q_Net的形状和深度，在我看来，错误中的[10]与我的q网络的形状有关。将其图层参数设置为（4，）会产生以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError：In [0]是不是矩阵相反，它的形状为[4] [Op：MatMul]

Answer 1

从错误消息中的关键字matrix中，我认为TF期望的是二维张量而不是一维的张量。

我建议将图层参数设置为(4, 1)（或(1, 4)）。

我将尝试使用它来验证我的答案。