無法理解這樣的線流行的深Q學習計劃

Question

https://github.com/yenchenlin/DeepLearningFlappyBird/blob/master/deep_q_network.py#L82

我花了很多時間來了解它。

爲什麼使用tf.multiply？

我找不到支持此乘法運算的數學運算。

Answer 1

每個動作都有一個Q_value。

而動作輸入a是一個熱門。

所以這一行是選擇'熱'Q_value。