＜强化学习篇＞强化学习基础路线baseline

<强化学习篇>强化学习基础路线baseline

1、动作概率函数
功能：输入：observation，action
输出：if action=None，输出动作概率分布；if action为制定动作，输出制动动作概率。对于离散空间，返回的是probability mass,连续空间，返回的是probability density.(连续空间中probability mass为0）。

2、获得当前环境函数
功能：输入：无
输出：当前环境

3、获得参数列表：
功能：输入：无
输出：模型的参数

4、获得参数：
功能：输入：无
输出：以字典的形式获得变量名->模型参数

5、学习函数
功能：输入：总时间步、log间隔、log名称、复位（bool）
输出：训练好的模型

6、加载函数：
功能：输入：加载模型路径、是否需要在新的环境中test

7、加载参数：
功能：输入：加载路径
输出：加载模型参数从一个文件或者字典

8、预测函数：
功能：输入：observation
输出： 模型动作和下一个状态

9、预训练函数：
功能：输入：数据集，epoch，学习率，
输出： 使用行为克隆的方法训练模型

10、保存函数：
保存当前参数到文件中
功能：输入：保存路径

11、设置随机种子：
可以根据选择设置随机种子