讓 agent 在環境裡試錯學習——手刻 Q-learning、DQN、策略梯度，再用 stable-baselines3 加速，最後訓練它玩一個自製小遊戲
從 Q-table 到 DQN 與策略梯度全部親手刻，理解每一步；再借 stable-baselines3 加速，最後訓練 agent 玩自製接水果遊戲
留言載入中…
留言 0
留言載入中…