1.zip()函數
zip() 函數用於將可迭代的對象作為參數，將對象中對應的元素打包成一個個元組，然後返回由這些元組組成的對象，這樣做的好處是節約了不少的內存。
我們可以使用 list() 轉換來輸出列錶。
如果各個迭代器的元素個數不一致，則返回列錶長度與最短的對象相同，利用 * 號操作符配合zip函數，可以將元組解壓為列錶。
>>> a = [1,2,3]
>>> b = [4,5,6]
>>> c = [4,5,6,7,8]
>>> zipped = zip(a,b) # 返回一個對象
>>> zipped
<zip object at 0x103abc288>
>>> list(zipped) # list() 轉換為列錶
[(1, 4), (2, 5), (3, 6)]
>>> list(zip(a,c)) # 元素個數與最短的列錶一致
[(1, 4), (2, 5), (3, 6)]
>>> a1, a2 = zip(*zip(a,b)) # 與 zip 相反，zip(*) 可理解為解壓，返回二維矩陣式
>>> list(a1)
[1, 2, 3]
>>> list(a2)
[4, 5, 6]
>>>
https://www.runoob.com/python3/python3-func-zip.html
2.np.random.random()函數
當無參數傳入時返回一個0-1的隨機數
當傳入參數則返回shape為參數的0-1的隨機數的數組
3.numpy.random.randint()函數
numpy.random.randint(low, high=None, size=None, dtype='l')
函數的作用是，返回一個隨機整型數，範圍從低（包括）到高（不包括），即[low, high)。
如果沒有寫參數high的值，則返回[0,low)的值。
>>> np.random.randint(2, size=10)
array([1, 0, 0, 0, 1, 1, 0, 0, 1, 0])
>>> np.random.randint(1, size=10)
array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])
>>> np.random.randint(5, size=(2, 4))
array([[4, 0, 2, 1],
[3, 2, 2, 0]])
>>>np.random.randint(2, high=10, size=(2,3))
array([[6, 8, 7],
[2, 5, 2]])
https://blog.csdn.net/u011851421/article/details/83544853
4.gather函數
gather函數的功能可以解釋為根據 index 參數（即是索引）返回數組裏面對應比特置的值
這裏的b.gather()寫法和torch.gather(b)的寫法都可以，重點是兩個參數，dim和index
低維的理解方式
dim=0錶示按行來索引，也就是說index的值錶示的是第幾行
dim=1錶示按列來索引，也就是指index的值錶示的是第幾列
5.torch.distributions.Categorical
probs = torch.FloatTensor([0.9,0.2])
ac = torch.distributions.Categorical(probs)
print(ac)
for _ in range(5):
print(ac.sample())
其作用是創建以參數probs為標准的類別分布，樣本是來自“0，…，K-1”的整數，K是probs參數的長度。也就是說，按照probs的概率，在相應的比特置進行采樣，采樣返回的是該比特置的整數索引。
再看一下在rl中依據策略網絡選擇動作：
def take_action(self, state): # 根據動作概率分布隨機采樣
state = torch.tensor([state], dtype=torch.float).to(self.device) # 1*4
probs = self.policy_net(state) # 1*2
action_dist = torch.distributions.Categorical(probs)
action = action_dist.sample()
return action.item()
