Есть ли что-то неправильно в использовании session.run()?

Я использую Tensorflow.net, Numsharp и TensorFlow.Keras в C# WinForms на .NET Framework 4.8 и пытаюсь создать нейронную сеть для обучения с подкреплением (Q-learning). Школа заставляет нас использовать WinForms, и это действительно больно.
В чем неправилен мой вызов session.run() в этом случае?

public void Train(NDArray currentState, int action, float reward, NDArray nextState, bool done)
{
    var graph = session.graph.as_default();

    simMenu.LogMessage($"Обучение начато с currentState: {currentState}, action: {action}, reward: {reward}, nextState: {nextState}, done: {done}");

    try
    {

        currentState = np.reshape(currentState, new int[] { 1, stateSize });
        currentState = currentState.astype(np.float32);


        // Получить Q-значения для текущего состояния
        var qValuesCurrent = session.run(output, new FeedItem(state, currentState));
        
        float currentQValue = qValuesCurrent.ToArray<float>()[action];

        // Получить Q-значения для следующего состояния
        nextState = np.reshape(nextState, new int[] { 1, stateSize });
        nextState = nextState.astype(np.float32);
        
        var qValuesNext = session.run(output, new FeedItem(state, nextState)); // здесь возникает ошибка
     
        float maxFutureQValue = np.max(qValuesNext.ToArray<float>());

        // Расчет целевого Q-значения
        float targetQValue = reward;
        if (!done)
        {
            targetQValue += discountFactor * maxFutureQValue;
        }

        // Обновление Q-значения с использованием формулы Q-обучения
        var qValuesArray = qValuesCurrent.ToArray<float>();
        qValuesArray[action] = currentQValue + learningRate * (targetQValue - currentQValue);
        var updatedQValues = np.array(qValuesArray).reshape(1, actionSize);

        // Обучение модели
        session.run(optimizer, new FeedItem(state, currentState), new FeedItem(qTarget, updatedQValues));
      
    }
    catch (Exception ex)
    {
        simMenu.LogMessage($"Произошла ошибка во время обучения: {ex.Message}");
        throw;
    }

При запуске ошибка выглядит просто так: System.NotImplementedException: ”, и лог-сообщения таковы:

Сессия и граф успешно инициализированы.
Обучение начато с currentState: [140.0723, 30.92329, 30.92329, 51.61395, 40.36087], action: 2, reward: 1, nextState: [140.1722, 30.92329, 30.92329, 51.61395, 40.50206], done: False Произошла ошибка во время обучения:

смотрите переменные в момент ошибки

Вся функция представлена здесь –

using NumSharp;
using Tensorflow;
using static Tensorflow.Binding;
using System;
using Coursework;

public class QLearningAgent
{
    private readonly int stateSize;        // Размер состояния
    private readonly int actionSize;       // Количество действий
    private readonly float learningRate;   // Скорость обучения
    private readonly float discountFactor = 0.99f; // Фактор скидки для будущих вознаграждений
    private readonly float explorationProbability; // Эпсилон для исследования
    private readonly Session session;      // Сессия TensorFlow
    private readonly Tensor state;         // Плейсхолдер для текущего состояния
    private readonly Tensor qTarget; // Плейсхолдер для целевых Q-значений
    private readonly SimMenu simMenu;

    private Tensor output;                 // Выходной слой для Q-значений
    private Operation optimizer;
    
    public QLearningAgent(int stateSize, int actionSize, float learningRate, SimMenu simMenu, float explorationProbability = 0.1f)
    {

        this.stateSize = stateSize;
        this.actionSize = actionSize;
        this.learningRate = learningRate;
        this.explorationProbability = explorationProbability;
        this.simMenu = simMenu;

        // Конструкция графа TensorFlow
        var graph = tf.Graph().as_default();

        // Инициализация сессии
        session = tf.Session(graph);
        session.run(tf.global_variables_initializer()); // session.run() работает нормально здесь

        this.state = tf.placeholder(tf.float32, shape: new int[] { -1, stateSize });
        this.qTarget = tf.placeholder(tf.float32, shape: new int[] { -1, actionSize });

        // Определение структуры нейронной сети
        var hidden = tf.keras.layers.Dense(24, activation: "relu").Apply(state); // Скрытый слой
        this.output = tf.keras.layers.Dense(actionSize, activation: "linear").Apply(hidden); // Выходной слой для Q-значений

        // Потеря и оптимизатор
        var loss = tf.reduce_mean(tf.square(output - qTarget));
        this.optimizer = tf.train.AdamOptimizer(learningRate).minimize(loss);

        simMenu.LogMessage("Сессия и граф успешно инициализированы.");
    }

    public int GetAction(NDArray currentState)
    {
        
        // Выбор действий с использованием метода ε-жадности
        if (new Random().NextDouble() < explorationProbability)
        {
            // Исследование: выбор случайного действия
            return new Random().Next(actionSize);
        }
        else
        {
            // Использование: выбор действия с наивысшим Q-значением

            var graph = session.graph.as_default();

            // Получить Q-значения для текущего состояния
            var feedDict = new FeedItem(state, currentState);
            var qValues = session.run(output, feedDict); // Session.run() тоже не работает здесь, однако она переходит к Train() перед GetAction()
            var qValuesArray = qValues.ToArray<float>(); // Преобразовать Tensorflow.NumPy.NDArray в массив float
            return np.argmax(np.array(qValuesArray)); // Вернуть индекс действия с наивысшим Q-значением

        }
    }

    public void Train(NDArray currentState, int action, float reward, NDArray nextState, bool done)
    {
        var graph = session.graph.as_default();

        simMenu.LogMessage($"Обучение начато с currentState: {currentState}, action: {action}, reward: {reward}, nextState: {nextState}, done: {done}");

        try
        {

            currentState = np.reshape(currentState, new int[] { 1, stateSize });
            currentState = currentState.astype(np.float32);


            // Получить Q-значения для текущего состояния
            var qValuesCurrent = session.run(output, new FeedItem(state, currentState));
            
            float currentQValue = qValuesCurrent.ToArray<float>()[action];

            // Получить Q-значения для следующего состояния
            nextState = np.reshape(nextState, new int[] { 1, stateSize });
            nextState = nextState.astype(np.float32);
            
            var qValuesNext = session.run(output, new FeedItem(state, nextState));
         
            float maxFutureQValue = np.max(qValuesNext.ToArray<float>());

            // Расчет целевого Q-значения
            float targetQValue = reward;
            if (!done)
            {
                targetQValue += discountFactor * maxFutureQValue;
            }

            // Обновление Q-значения с использованием формулы Q-обучения
            var qValuesArray = qValuesCurrent.ToArray<float>();
            qValuesArray[action] = currentQValue + learningRate * (targetQValue - currentQValue);
            var updatedQValues = np.array(qValuesArray).reshape(1, actionSize);

            // Обучение модели
            session.run(optimizer, new FeedItem(state, currentState), new FeedItem(qTarget, updatedQValues));
          
        }
        catch (Exception ex)
        {
            simMenu.LogMessage($"Произошла ошибка во время обучения: {ex.Message}");
            throw;
        }
    }
}

Я пытался проверить все типы и совместимость state и nextState, я также пытался изменить их размер, чтобы убедиться, что они являются NDArray одинаковой длины и типа. Это должно принимать 5 входов.

Мое описание проблемы может быть не лучшим или самым полным, так как это мой первый пост, спасибо, что нашли время прочитать. Если вам нужна дополнительная информация, просто спросите!