如果我们在制作神经网络时将自己指定为输入和输出，那么 tensorflow 密集层的输出会是什么？

Question

我一直在为任何 Vanilla Policy Gradient 在 openAI 代码中实现神经网络（事实上，这部分几乎在所有地方都使用）。代码看起来像这样：

def mlp_categorical_policy(x, a, hidden_sizes, activation, output_activation, action_space):
    act_dim = action_space.n
    logits = mlp(x, list(hidden_sizes) + [act_dim], activation, None)
    logp_all = tf.nn.log_softmax(logits)
    pi = tf.squeeze(tf.random.categorical(logits, 1), axis=1)
    logp = tf.reduce_sum(tf.one_hot(a, depth=act_dim) * logp_all, axis=1)
    logp_pi = tf.reduce_sum(tf.one_hot(pi, depth=act_dim) * logp_all, axis=1)
    return pi, logp, logp_pi

这个多层感知器网络定义如下：

def mlp(x, hidden_sizes=(32,), activation=tf.tanh, output_activation=None):
    for h in hidden_sizes[:-1]:
        x = tf.layers.dense(inputs=x, units=h, activation=activation)
    return tf.layers.dense(inputs=x, units=hidden_sizes[-1], activation=output_activation)

我的问题是这个 mlp 函数的返回值是什么？我的意思是结构或形状。它是一个 N 维张量吗？如果是这样，它是如何作为tf.random_categorical 的输入提供的？如果不是，它只是形状[hidden_layer2, output]，那么其他层发生了什么？根据他们的website description about random_categorical，它只需要一个二维输入。 openAI 的VPG algorithm 的完整代码可以在这里找到。 mlp 实现here。如果有人能告诉我这个mlp_categorical_policy() 在做什么，我将不胜感激？

注意：隐藏大小为[64, 64]，动作维度为3

感谢和欢呼

Answer 1

请注意，这是一个离散的动作空间 - 每一步都有action_space.n 不同的可能动作，并且代理会选择一个。

为此，MLP 返回不同操作的 logits（它是概率的函数）。这是由+ [act_dim] 在代码中指定的，它将action_space 的计数附加为最终的MLP 层。请注意，MLP 的最后一层是输出层。 tensorflow中没有指定输入层，是从输入中推断出来的。

tf.random.categorical 获取 logits 并从中采样策略操作pi，该操作以数字形式返回。

mlp_categorical_policy 还返回logp，动作a（用于分配信用）的对数概率，以及logp_pi，策略动作pi 的对数概率。

---

看来你的问题更多是关于 mlp 的回报。

mlp 在循环中创建一系列全连接层。在循环的每次迭代中，mlp 使用前一层 x 作为输入创建一个新层，并将其输出分配给覆盖 x，这条线 x = tf.layers.dense(inputs=x, units=h, activation=activation)。

所以输出与输入不同，在每次迭代中，x 都会被新层的值覆盖。这与 x = x + 1 的编码技巧相同，将 x 增加 1。这有效地将层链接在一起。

tf.layers.dense 的输出是一个大小为[:,h] 的张量，其中: 是批量维度（通常可以忽略）。最后一层的创建发生在循环之外，可以看出这一层的节点数是act_dim（所以shape是[:,3]）。您可以通过以下方式检查形状：

import tensorflow.compat.v1 as tf
import numpy as np

def mlp(x, hidden_sizes=(32,), activation=tf.tanh, output_activation=None):
    for h in hidden_sizes[:-1]:
        x = tf.layers.dense(x, units=h, activation=activation)
    return tf.layers.dense(x, units=hidden_sizes[-1], activation=output_activation)

obs = np.array([[1.0,2.0]])
logits = mlp(obs, [64, 64, 3], tf.nn.relu, None)
print(logits.shape)

结果：TensorShape([1, 3])

注意，本例中的观察值是[1.,2.]，它嵌套在大小为 1 的批次中。