区分gym中的gym.make()函数与gym.vector.make()函数

gym.make()

输入：环境ID，输出：环境实例env
通过环境ID找到单个环境

gym.vector.make()

从一个环境的大量副本中创建一个矢量化环境。相当于创建一个batch之类的，有两种处理方式：同步和异步。
输入：
id：环境的ID，必须传入一个有效的、在gym中注册过的ID；
num_envs：矢量化环境中环境的数量；
asynchronous：布尔型的值，如果为True则用’AsyncVectorEnv’包装环境，否则用’SyncVectorEnv’包装环境；
gym.vector.make()实际上也是调用gym.make()函数，不过gym.vector.make()是根据环境ID创建一个矢量化的环境。wrappers如果是个可调用的，则对环境直接包装，如果是个列表，则用wrappers里面的每个可调用的wrapper对环境进行包装。

def vector_make(id, num_envs=1, asynchronous=True, wrappers=None, **kwargs):
    from gym.envs import make as make_
    def _make_env():
        env = make_(id, **kwargs)
        if wrappers is not None:
            if callable(wrappers):
                env = wrappers(env)
            elif isinstance(wrappers, Iterable) and all([callable(w) for w in wrappers]):
                for wrapper in wrappers:
                    env = wrapper(env)
            else:
                raise NotImplementedError
        return env
    env_fns = [_make_env for _ in range(num_envs)]
    return AsyncVectorEnv(env_fns) if asynchronous else SyncVectorEnv(env_fns)