我创建了一个gym环境，动作空间是多维离散的，例如(2,2,2,2,2,2,2)这样的一个7维空间，但是在选择最大q值对应的动作这一块，我想让他返回的动作也是这种7维数组的动作，但是因为输出层是128，因为是动作空间里包含动作的总数也就是128个，他输出的一直是0-127中的数，有会改的大佬吗，有偿