Hugging Face 深度强化学习课程第 5 单元：用 PyTorch 实现策略梯度

Hugging Face 深度强化学习课程第 5 单元讲解策略梯度方法，并从头用 PyTorch 实现首个基于策略的算法 Reinforce，随后在 CartPole-v1、PixelCopter 和 Pong 上测试其鲁棒性。策略梯度直接优化策略、无需估计价值函数，可学习随机策略并省去手工的探索/利用权衡，更适合高维和连续动作空间，但易收敛到局部最优、训练更慢且方差较高。