我正在尝试使用神经网络来预测一款汽车模拟游戏的动作，该游戏在另一个文件中运行。我需要获取预测的动作值并传递给游戏，但我在这个过程中遇到了困难。在调用model.predict后，我尝试像访问数组一样获取值，但这返回了一个超出范围的错误。

我对Python的使用还比较新手，更不用说使用Keras了，但我的想法是神经网络将基于其他人玩游戏时收集的数据（保存在CSV文件中）进行训练。然后，当神经网络开始玩游戏时，我可以将每一帧的游戏值传入以生成预测的动作。我认为我已经完成了这一步，但无法获取预测的动作。以下是我的神经网络代码：

  def build_nn(self):    model = Sequential()    model.add(Dense(12, input_dim=8, activation='relu'))     model.add(Dense(8, activation='relu'))    model.add(Dense(1, activation='linear'))    model.compile(loss='mean_squared_error', optimizer=Adam(lr=self.learning_rate))    return model

这是我预测动作的代码（stateVector未被直接接受，所以我必须从中获取值）

 def action(self, stateVector):    a_action = stateVector['lastAction']    currentLane = stateVector['currentLane']    offRoad = stateVector['offRoad']    collision = stateVector['collision']    lane1 = stateVector['lane1Distance']    lane2 = stateVector['lane2Distance']    lane3 = stateVector['lane3Distance']    a = [currentLane, offRoad, collision, lane1, lane2, lane3, reward, a_action]       act_value = self.model.predict(a)    act = act_values[a_action]    return act 

回答：

你向网络输入了一个包含8个元素的列表，而它期望的是一个8维样本的可迭代对象。实际上：

>>> a = [currentLane, offRoad, collision, lane1, lane2, lane3, reward, a_action]>>> a = np.array(a) # 转换为numpy数组>>> a = np.expand_dims(a, 0) # 将形状从(8,)更改为(1,8)>>> model.predict(a) # 成功！