Keras K.功能'；s第三个参数，更新时需要有新旧权重对以外的操作？

我一直在构建DDPG代理，这是增强学习的算法。不管怎样，我找到了一些可以参考的资料。那些似乎起作用了。但是，我对在keras中使用K.function（）感到困惑。 在下面，函数“get_soft_target_model_updates”返回（旧权重、新权重），这与keras官方文档所写的“更新：更新操作列表”不同。所以，我认为它需要返回K.update（旧张量，新张量）

def get_soft_target_model_更新（目标、源、tau）：
目标权重=目标可训练权重+总和（[l.目标层中l的非可训练权重]，]）
source_权重=source.trainable_权重+总和（[l.source.layers中l的非可训练_权重]，]）
断言len（目标权重）=len（源权重）
更新=[]
对于zip中的tw、sw（目标权重、源权重）：
更新。追加（（tw，tau*sw+（1.-tau）*tw））
返回更新
如果self.tau_for_actor<1：
更新+=获取软目标模型更新（self.target\u actor、self.actor、self.tau\u for\u actor）
更新+=self.actor.updates
self.actor\u train\u fn=K.函数（状态输入+[K.学习阶段（）]，[self.actor（状态输入）]，更新=更新）

def get_soft_target_model_updates(target, source, tau):
    target_weights = target.trainable_weights + sum([l.non_trainable_weights for l in target.layers], [])
    source_weights = source.trainable_weights + sum([l.non_trainable_weights for l in source.layers], [])
    assert len(target_weights) == len(source_weights)

    updates = []
    for tw, sw in zip(target_weights, source_weights):
        updates.append((tw, tau * sw + (1. - tau) * tw))
    return updates


    if self.tau_for_actor < 1:
        updates += get_soft_target_model_updates(self.target_actor, self.actor, self.tau_for_actor)

    updates += self.actor.updates

    self.actor_train_fn = K.function(state_inputs + [K.learning_phase()], [self.actor(state_inputs)], updates=updates)