Pytorch 演员-评论家模型：如何在模型和动作批次之间调整大小

我是PyTorch和强化学习新手，因此，如果此消息听起来很愚蠢或解决方案太简单，我很抱歉，但我不知道如何解决此问题，我已经花了几天时间 研究这个问题，试图找到解决这个问题的方法，但我做不到。如果你们中有人能帮我做这件事，或者至少给我一些建议，我会非常感激

我试图建立一个模型，在市场上买卖股票，这个模型将有两个可能的动作，分别是买入和卖出。 此外，我正在尝试实现一个演员-评论家模型，为演员使用2个相互关联的GRU模型，为评论家模型只使用一些简单的线性层，因为我试图看看在我的例子中，与正常模型相比，它有多好

class ActorNN(nn.Module):
    def __init__(self, stock_env: StockEnv, conf: wandb):
        super(ActorNN, self).__init__()
        self.stock_env = stock_env
        self.input_size = 20
        self.hidden_size_1 = 235
        self.hidden_size_2 = 135
        self.num_layers_1 = 2
        self.num_layers_2 = 3
        self.batch_size = 350

        output_size = self.stock_env.action_space.n # (2 - BUY, SELL)
        self.lstm = nn.GRU(input_size=self.input_size, hidden_size=self.hidden_size_1,
                           num_layers=self.num_layers_1, dropout=conf.dropout_1)
        self.lstm_2 = nn.GRU(input_size=self.hidden_size_1, hidden_size=self.hidden_size_2,
                             num_layers=self.num_layers_2, dropout=conf.dropout_2)
        self.output_layer = nn.Linear(self.hidden_size_2, output_size)
        self.activation = nn.Tanh()

    def forward(self, x):
        x = self.activation(x.view(len(x), -1, self.input_size))
        out, new_hidden_1 = self.lstm(x)
        out = self.activation(new_hidden_1)
        out, _ = self.lstm_2(out)
        out = self.activation(out)
        out = self.output_layer(out)
        return out


class CriticNN(nn.Module):
    def __init__(self, stock_env: StockEnv):
        # stock_env.window_size = 300
        super(CriticNN, self).__init__()
        self.stock_env = stock_env
        self.l1 = nn.Linear(stock_env.window_size * 25, 128)
        self.l2 = nn.Linear(128, 256)
        self.l3 = nn.Linear(256, 1)
        self.activation = nn.ReLU()

    def forward(self, x):
        output = self.activation(self.l1(torch.flatten(x, start_dim=1)))
        output = self.activation(self.l2(output))
        output = self.l3(output)
        return output

现在我的问题出现在代理的优化函数上

def optimize(self):
    if len(self.memory) < self.config.batch_size:
        return
    
    state, action, new_state, reward, done = self.memory.sample(batch_size=self.config.batch_size)

    state = torch.Tensor(np.array(state)).to(device)
    new_state = torch.Tensor(np.array(new_state)).to(device)
    reward = torch.Tensor(reward).to(device)
    action = torch.LongTensor(action).to(device)
    done = torch.Tensor(done).to(device)
    dist = torch.distributions.Categorical(self.actor(state))
    advantage = reward + (1 - done) * self.config.gamma * self.critic(new_state).squeeze(1) - self.critic(state).squeeze(1)

    critic_loss = advantage.pow(2).mean()
    self.optimizer_critic.zero_grad()
    critic_loss.backward()
    self.optimizer_critic.step()

    actor_loss = -dist.log_prob(action) * advantage.detach()
    self.optimizer_actor.zero_grad()
    actor_loss.mean().backward()
    self.optimizer_actor.step()

def优化（自我）：
如果len（self.memory）

当我尝试初始化我的

dist

变量时，它将是形状[3（隐藏层）、300（窗口大小）、2（动作数量）]，而我的

动作的形状[350（批量大小）]

现在，当我试图运行
dist.log\u prob（action）
时，我收到一个错误，上面写着：

张量a（350）的大小必须与张量b（300）在非单态维度1的大小相匹配

这是因为我的距离和动作的形状不一样，我的问题来了，我怎样才能使它们匹配？你们谁能帮我做这个？我试着用
多个线性层匹配它们的大小，但我无法使它们数学化