convolutional_dqn_pacman 用于OpenAI Pacman域的具有双深度Q学习（DQN）代理的卷积神经网络（CNN）。 实施利用“双重”目标网络在正确的方向上指导学习，并利用随机采样的经验重放来防止状态转换依赖性干扰学习。 状态由三维红绿蓝（RGB）阵列表示，这使卷积神经网络（CNN）非常适合于训练代理的任务。 马尔可夫决策过程（MDP）和整体环境由OpenAI定义/提供。 Tensorboard已集成到该项目中，以进行培训/进度可视化。 笔记： 根据经验，通过多次