标签： tensorflow neural-network reinforcement-learning
我正在尝试训练一个玩yahtzee的神经网络。 每次转动时，网眼都必须选择一个类别，例如“一个”，“三个”等。有13种不同的类别，因此网络的输出层是长度为13的单热点向量。 根据游戏规则，不能两次选择类别。因此，随着游戏的继续，网络的输出尺寸实际上正在缩小。 如何解决防止网禁止转弯的问题？