小编Dan*_* B.的帖子

我目前正在设计一个 NoisyNet 层，正如这里所建议的：“Noisy Networks for Exploration”，在 Tensorflow 中并获得标题中所示的维数误差，而两个张量的维数要逐元素相乘filtered_output = keras.layers.merge.Multiply()([output, actions_input])应该（在原则）在打印所涉及的两个张量的维度时，根据打印输出彼此兼容，filtered_output并且actions_input，其中两个张量似乎都是维度shape=(1, 4)。

我在 Python3 中使用 Tensorflow 1.12.0。

相关代码如下所示：

import numpy as np
import tensorflow as tf
import keras

class NoisyLayer(keras.layers.Layer):

    def __init__(self, in_shape=(1,2592), out_units=256, activation=tf.identity): 
        super(NoisyLayer, self).__init__()
        self.in_shape = in_shape
        self.out_units = out_units
        self.mu_interval = 1.0/np.sqrt(float(self.out_units))
        self.sig_0 = 0.5
        self.activation = activation
        self.assign_resampling()

    def build(self, input_shape):
        # Initializer
        self.mu_initializer = tf.initializers.random_uniform(minval=-self.mu_interval, maxval=self.mu_interval) # Mu-initializer
        self.si_initializer = tf.initializers.constant(self.sig_0/np.sqrt(float(self.out_units)))      # Sigma-initializer

        # …