参加了强化学习7日打卡营，我个人得到的有强化学习的概念，知道了强化学习和深度学习的相同点和独特之处，比如说强化学习不需要数据集的积累，深度学习需要采集数据集。学到了PARL的基本用法，DQN，DDPG等结构。

  不过值得吐槽的一点就是强化学习训练太耗费时间了，一次完整的训练就要十几小时，感觉7天时间对于我这种纯强化学习新人不太友好，很多相关的知识还来不及消化就去实践了。还有就是虽然说调参是一门玄学，科科老师也说过学习率是5倍或10倍的调，但是我发现的问题不仅仅是学习率调整就可以解决的。比如说训练结果波动由小变大再变小，这一个地方还要将高斯噪声给调小，学习率也要调小。让我感觉最迷惑的就是Actor-Critic有两个学习率，两个网络的学习率该如何去通过看训练数据去调整呢？还有就是action那四个数据需要该如何优化？还有就是即使选择最优的模型继续训练，最后还是会掉分数。这些问题还没来得及让我去实践解决，时间就过去了。

  不过这次我学到了一个训练技巧，就是可以同时打开多个项目，运行不同超参数，不同结构，选择最优的去训练。

  强化学习很考验理论的基础，经过这次打卡营，我觉得我有空了还要去看多几遍科科老师的强化学习课程。