https://github.com/yenchenlin/DeepLearningFlappyBird/blob/master/deep_q_network.py#L82

我花了很多时间来理解它。

为什么使用tf.multiply？

我找不到支持这个乘法操作的数学依据。

回答：

每个动作都有一个Q值。

动作输入a是独热编码的。

所以这一行代码是用来选择“热”的Q值。