TensorFlow报StridedSlice索引越界InvalidArgumentError如何解决？

报错根因 #

触发错误的核心原因有两个：

1. 输入模型的state没有添加batch维度，导致模型输出的action_probs形状为(动作数,)（仅1个维度），用[0, action]索引相当于尝试访问不存在的第二维度，触发维度错误。
2. 动作选择逻辑混淆了动作值和动作索引，直接将采样得到的动作值作为索引取概率，当动作值大于动作总数时就会触发索引越界。

修复步骤 #

• 第一步：给输入张量增加batch维度
  将state = tf.convert_to_tensor(state,np.float32)替换为：

state = tf.expand_dims(tf.convert_to_tensor(state, np.float32), axis=0)

修改后输入形状符合模型要求的(batch_size, 2)，输出action_probs形状会变为(1, 动作总数)，双维度索引合法。

• 第二步：修复random_actions方法的冗余逻辑
  原方法循环内重复赋值actions变量导致返回值异常，修改为：

def random_actions(self,cur_state):
    s=[]
    dest=9
    states=self.get_state(cur_state)
    for index, tuple in enumerate(states):
        actions=tuple[0]
        weights=tuple[1]
        s.append(actions)
    return s

• 第三步：修正动作采样和概率取值逻辑
  区分动作索引和动作值，避免用动作值当索引访问数组：

# 原错误写法
# action = np.random.choice(num_actions, p=np.squeeze(action_probs[0]))
# action_probs_history.append(tf.math.log(action_probs[0, action]))

# 修正后写法
action_idx = np.random.choice(len(num_actions), p=np.squeeze(action_probs))
action = num_actions[action_idx]
action_probs_history.append(tf.math.log(action_probs[0, action_idx]))

验证方法 #

修改完成后可以在调用模型后打印action_probs.shape，确认输出形状为(1, N)，且N等于len(num_actions)，即修复完成。

内容的提问来源于stack exchange，提问作者Manz