@陈达贵 老师，公式里面的pi(theta)是指action的一个分布，还是算one-hot？

@陈达贵 老师，这是我从网上找的一个代码

这里的损失函数有点看不明白是怎么回事，能讲讲嘛？谢谢啦

@陈达贵 不好意思啊老师，这里还是有点不太理解。您说公式里面的pi(theta)输出的是一个动作的概率分布。但是用onehot就挑出了一个呢？比如说动作=[p(A)=0.3，p(B)=0.7]，也就是all_act_prob=[0.3 0.7]，

one_hot=[[1 0]T [0 1]T]，one_hot是怎么挑选出pi在B处的输出概率的？

PS：这里pycharm我想打断点查看self.all_act_prob，neg_log_prob的值总是查看不了，就像下图。可能是我方法不对，有没有什么方法能查找任何一个自己想看的值？麻烦老师！

@陈达贵 嗯嗯明白了，谢谢老师！

@陈达贵 @陈达贵 明白点了。老师那下划线的句子的执行顺序是什么啊？从左往右还是从右往左？value_里存了四个值，执行if value_=np.max(value_)会报错啊

@陈达贵 明白点了。老师那下划线的句子的执行顺序是什么啊？从左往右还是从右往左？value_里存了四个值，执行if value_=np.max(value_)会报错啊

@陈达贵 明白了，谢谢老师！！

@陈达贵 嗯嗯明白了，谢谢老师！