染上深度学习之后 强化学习就变得很简单粗暴了 （当然，纯强化学习更呆更楞 DQN是这样 A3C还是这样 从代码上来说 直接把输入加权 过激活函数 弄些通道 多弄几层 中间或者开始的时候分叉 最后到action和value 跟reward，跟V一差 反向求导一下 就是整个过程 然后就是类似神经网络 把track当sample喂到模型 真的是简单粗暴 训练完了拿到测试集看看就完了 效果不好反过来调参 真的是手艺活
