强化学习（Reinforcement learning，简称RL）是机器学习中的一个领域，区别与监督学习和无监督学习，强调如何基于环境而行动，以取得最大化的预期利益。基本操作步骤：智能体agent在环境environment中学习，根据环境的状态state（或观测到的observation），执行动作action，并根据环境的反馈reward（奖励）来指导更好的动作。比如本项目的Cart pole小游戏中，agent就是动图中的杆子，杆子有向左向右两种action。
In [ ]:
## 安装依赖 !pip install pygame !pip install gym !pip install atari_py !pip install parl
In [12]:
import gym import os import random import collections import paddle import paddle.nn as nn import numpy as np import paddle.nn.functional as F
1.经验回放部分
经验回放主要做的事