0. gym 下的数据结构 Discrete： gym.spaces.discrete.Discrete env.action_sample 的返回值就是 Discrete 类型 Discrete(n)：{0, 1, 2, 3, n-1}，表示的是正整数的离散空间； 成员函数： sample()：离散值空间中进行采样； contains(k)：离散值空间中是否包含 k； 1. 认识...

模型从一无所知，到成为该领域的专业人士，又凭借其强大的计算能力，远远地甩开人类该领域的顶尖大师，模型能够学习规则和行为在于其背后有一个“好老师”，这位老师的使命不是上课，告知机器该怎么做，而是对机器的行为（policy network）进行打分和评判（value network），这样机器会记录如下： 高分：努力取得高分； 低分：竭力避免低分； 这样才能使机器的每一步选择都比较理想；