AC算法中Actor输出动作与环境中的动作有啥关系啊

Question

AC算法
输入端是状态，只是经过网络输出的是符合动作维度的一组向量，然后用softmax转换成概率，这是怎么把它和环境中的动作联系起来的？环境中的动作和这个状态有啥关系啊
Actor网络结构如下

class PolicyNet(torch.nn.Module):
    def __init__(self, state_dim, hidden_dim, action_dim):
        super(PolicyNet, self).__init__()
        self.fc1 = torch.nn.Linear(state_dim, hidden_dim)
        self.fc2 = torch.nn.Linear(hidden_dim, action_dim)

    def forward(self, x):
        x = F.relu(self.fc1(x))
        return F.softmax(self.fc2(x), dim=1)