李宏毅深度强化学习笔记（一）Proximal Policy Optimization (PPO)

还有一个月，我的大学生活就要彻底结束了。一个月后，我将褪去“大学生”这个已经陪伴了我四年的身份，第一次披上“打工人”这个名字。 每年 5 月，学校的正门门口都会开始布置一些铁架子，我知道的是，那是用来拍毕业照用的，而我不知道的是，为什么每次我看到这些铁架子的时候上面都没有人在拍毕业照。 这个问题困扰了我四年，直到 20 号早上 9 点我顶着大太阳在那个铁架子上站了整整一个半小时。而当我拖着疲惫的身体从铁架子上缓缓走下来的时候，我才后知后觉地意识到 —— 我要毕业了。 我要毕业了，那几个在我的微信上置顶了四年的班级群也将被我逐个点击“取消置顶”；这个已经陪伴了我四年的校园也即将成为陌生人；下次再...