张量流量范围（）整数参数预期，得到Tensor

Question

我正在尝试为多类分类问题定义日志丢失函数：

    self.loss = tf.losses.log_loss(
        labels=self.sampled_actions,
        predictions= [self.probability[i][self.sampled_actions[i]] for i in range(tf.shape(self.sampled_actions)[0])],
        weights=self.discounted_rewards)

此处，self.sampled_actions是0/1/2的一维张量（例如：[0,1,2,1,0,2]），其对应于哪个动作是基本事实。 self.probability定义为：

    h = tf.layers.dense(
        self.observations,
        units=hidden_layer_size,
        activation=tf.nn.relu,
        kernel_initializer=tf.contrib.layers.xavier_initializer())

    self.probability = tf.layers.dense(
        h,
        units=3,
        activation=tf.sigmoid,
        kernel_initializer=tf.contrib.layers.xavier_initializer())

作为所有三个动作的概率，对于输入中的任何给定观察，为0,1,2。

但是，当我运行此程序时，我收到错误：

Traceback (most recent call last):
  File "spaceinvaders.py", line 68, in <module>
    hidden_layer_size, learning_rate, checkpoints_dir='checkpoints')
  File "/home/elfarouk/Desktop/opengym/policy_network_space_invaders.py", line 49, in __init__
    predictions= [self.probability[i][self.sampled_actions[i]] for i in range(tf.shape(self.sampled_actions)[0])],
TypeError: range() integer end argument expected, got Tensor.

有没有办法指定我在损失函数中的预测应该依赖于sampled_actions？