项目场景：

有关深度强化学习过程中使用torch.cat遇到的问题

问题描述

在学习MEC，使用深度强化学习改变卸载率的过程中，要将action和state通过torch.cat合并的时候遇到的问题

第一个问题：torch.cat当中直接使用transitions.state

		state = torch.cat(transitions.state)

报错提示：
TypeError: expected Tensor as element 0 in argument 0, but got numpy.ndarray

第二个问题：torch.cat当中直接使用[torch.tensor(a) for a in transitions.action]

        action = [torch.tensor(a) for a in transitions.action]
        action = torch.cat(action)

报错提示：
RuntimeError: zero-dimensional tensor (at position 0) cannot be concatenated

第三个问题： torch.cat当中直接使用next_state = [torch.from_numpy(s) for s in transitions.next_state]

        next_state = [torch.from_numpy(s) for s in transitions.next_state]
        next_state = torch.cat(next_state)

报错提示：
TypeError: expected np.ndarray (got int)

原因分析：

分析：torch.cat需要的参数必须是以下格式ndarray当中是tensor，tensor当中又必须是ndarray这种嵌套的形式，举个例子：[tensor([5.2626, 3.4518, 4.4650, 6.1861, 3.0479]), tensor([5.2572, 3.4194, 4.4557, 6.2838, 3.0352]), tensor([5.2626, 3.4338, 4.4604, 6.2512, 3.0444])]，像是这种形式

根据以上分析，查看上面两个数据的transitions.state和action长什么样。

transitions.state的样子：(array([5.34502891, 3.50129482, 4.39213256, 6.07983465, 2.73172546]), array([5.33968388, 3.50129482, 4.39676183, 6.10588068, 2.75003088]), array([5.34502891, 3.49770036, 4.39213256, 6.09285766, 2.73477636])）

action和next_state的样子：[tensor(8), tensor(0), tensor(0), tensor(7), tensor(5), tensor(0), tensor(3)]

解决方案：

第一个问题的解决方案：
使用state = [torch.from_numpy(s) for s in transitions.state] 将每一个numpy转化为tensor类型

第二个问题的解决方案：
使用action = [torch.tensor([a]) for a in transitions.action]将其封装为数组类型之后再转化为tensor类型

第三个问题的解决方案：
将from_numpy更改为tensor，记得在迭代变量当中加入中括号，将其变为数组next_state = [torch.tensor([a]) for a in transitions.next_state]