今天写出了震撼自己一分钟的代码，顺便思考一下这种快速糊屎的方法。
那串代码是这样的
py
q_eval = self.eval_net(states).view(-1, 10, 3).gather(2, actions.view(-1, 10, 1)).view(-1, 10)
q_next = self.target_net(observations).detach().view(-1, 10, 3).max(2)[0]
1
2
2
在这里，q_eval 是现在的 Q 值，q_next 是下一个状态的 Q 值，actions 是当前状态的动作，后面需要用这两个东西做梯度下降。
其中，states 的维度是 (batch, 30)，他需要被转换成 (batch, 10, 3)，然后用 actions（取值范围0~2）作为最后一个维度的 index，取出一组 (batch, 10) 的 Q 值。
那么问题就出在这个 gather 上，对这个函数不太熟悉。
遂一怒之下，给这行代码打了个断点，然后在调试器窗口里面就可以执行代码试错了。
我只知道我想要怎么提取，但是完全不会写。
于是又想到一个方法：
py
# 我先把第一行打印出来
self.eval_net(states)[0]
# 把动作也打印出来
actions
# 然后目测一下我需要什么样子的数据，把期望的数据写出来
# 这些数据应该是很有区分度的，不会有相同的数据
# 然后就可以开始试错了
# 把这坨打印出来看是不是我要的东西
self.eval_net(states).view(-1, 10, 3).gather(2, actions.view(-1, 10, 1)).view(-1, 10)[0]
1
2
3
4
5
6
7
8
9
10
11
12
2
3
4
5
6
7
8
9
10
11
12
结果还真就成了