这里是《深度强化学习》的主要算法实现。为了方便阅读，单个算法的实现及调用放在一个文件中。调用方式简单：

mkdir -p output
python -u 04_dqn.py --do_train --output_dir output 2>&1 | tee output/log.txt

根据动作状态空间是否连续，我们考虑两种环境：

• 离散环境：CartPole，https://www.gymlibrary.dev/environments/classic_control/cart_pole/.
• 连续环境：Pendulum，https://www.gymlibrary.dev/environments/classic_control/pendulum/.

测试环境是python3.7，依赖安装：

pip install -r requirements.txt 

所有代码均用于教学，可在笔记本CPU环境下训练。