实习生 目的是建立一个深度强化学习方法的动物园，并展示它们在某些环境中的应用。 在文档中阅读更多信息： 。 为什么要另选一个？ 主要原因是执行哲学。 我们坚信，代理应该出现在环境中，而不是相反。 大多数流行的实现都将环境实例传递给代理，就像代理是焦点一样。 这可能会简化某些算法的实现，但并不代表世界。 代理想要控制环境，但这并不意味着他们可以/应该。 那，然后使用PyTorch代替Tensorflow或JAX。 快速开始 要开始培训RL代理，您需要三件事：代理，环境和跑步者。 假设您要