教练 Coach是一个python强化学习框架，其中包含许多最新算法的实现。 它公开了一组易于使用的API，用于试验新的RL算法，并允许简单集成新环境来解决。 基本的RL组件（算法，环境，神经网络体系结构，探索策略等）已很好地分离，因此扩展和重用现有组件非常容易。 培训代理以解决环境就像运行一样容易： coach -p CartPole_DQN -r （初始版本） （当前版本） 目录 基准测试 建立研究项目或基于已发布算法的解决方案时的主要挑战之一是，获得一个具体可靠的基准，