策略网络架构
构建一个策略网络（Policy Network）的架构，之后可用于训练您的策略梯度智能体。
策略网络以状态作为输入，在动作空间中输出概率。对于 Lunar Lander 环境，您将处理 4 个离散动作，因此希望网络为每个动作各输出一个概率。
本练习是课程的一部分
Python 中的深度强化学习
练习说明
- 指定策略网络输出层的大小；为增强灵活性，请使用变量名而不是具体数字。
- 确保最后一层返回概率。
交互式实操练习
通过完成这段示例代码来试试这个练习。
class PolicyNetwork(nn.Module):
def __init__(self, state_size, action_size):
super(PolicyNetwork, self).__init__()
self.fc1 = nn.Linear(state_size, 64)
self.fc2 = nn.Linear(64, 64)
# Give the desired size for the output layer
self.fc3 = nn.Linear(64, ____)
def forward(self, state):
x = torch.relu(self.fc1(torch.tensor(state)))
x = torch.relu(self.fc2(x))
# Obtain the action probabilities
action_probs = ____(self.fc3(x), dim=-1)
return action_probs
policy_network = PolicyNetwork(8, 4)
action_probs = policy_network(state)
print('Action probabilities:', action_probs)