1 系统环境

硬件环境(Ascend/GPU/CPU): Ascend/GPU/CPU

MindSpore版本: mindspore=0.6

执行模式（PyNative/ Graph）:不限

Python版本: Python=3.7

操作系统平台: 不限

2 报错信息

2.1 问题描述

文档路径https://www.mindspore.cn/reinforcement/docs/zh-CN/r0.6.0-alpha/reinforcement.html#mindspore_rl.policy.EpsilonGreedyPolicy

这里输入的action_dim是2，输出的output不应该就是action吗？请问为什么是一维的？

调试过程中发现RandomPolicy只能输出一维的，修改之后再RandomPolicy中运行测试代码，可以返回多维的动作，但在EpsilonGreedyPolicy中调用后，仍然返回的是一维的动作

2.2 脚本代码（代码格式，可上传附件）

state_dim, hidden_dim, action_dim = 4, 10, 2
input_net = FullyConnectedNet(state_dim, hidden_dim, action_dim)
policy = GreedyPolicy(input_net)
state = Tensor(np.ones([2, 4]).astype(np.float32))
output = policy(state)
print(output.shape)

3 根因分析

******此处由用户补充详细的定位过程******

4 解决方案

******此处由用户填写******

包含文字方案和最终脚本代码

请将正确的脚本打包并上传附件