Paddle的新版本已经在推动态图了，静态图和动态图都有各自的优缺点

parl只是paddle生态下的一个套件，我个人觉得做些简单的项目的话，还是不错的，可能自动驾驶的算法太复杂了

paddle的集成个人感觉还是有点不足，如果能像keras一样，万物皆model就好了

楼主真得是很“深度”的使用了飞桨这个深度学习框架

mnist = paddle.nn.Sequential(
    paddle.nn.Linear(784, 512)
    ...
)

model = paddle.Model(mnist)
model.prepare(...)
model.fit(...)

2.0开始有Model了，可以试用下今天刚发的2.0-beta

从善如流～～

可能我没你厉害，但是如果用来作强化学习，我更加偏向于tensorflow框架而不是parl框架。因为tensorflow1.x版本对比paddle的静态图更加好。你试下paddle的静态图同步A网络的参数到B网络中取，你再试下tf1.x中的同步A网络的参数到B网络中去。我直接给你写吧。

tf1.x

eval_parameters = tf.global_variables('eval_net')
target_parameters = tf.global_variables('target_net')
sync_target_op = [tf.assign(t, e) for t, e in zip(target_parameters, eval_parameters)]
sess.run(sync_target_op)

paddle静态图（代码太多我直接贴图了）

你自己说下，哪个更方便？paddle的代码是官方的代码，自己搜索DQN。而且这个代码你拿来稍微改动下还报错，我在GitHub上提过issue，3,4天的没有解决。不好就是不好，有错就改，才能奋起直追。关起社区门来通过发奖励，让一大片的人使劲的吹paddle，把飞浆吹上天？

你既然说我很对飞浆研究很有深度，那作为一个深度研究者，我建议你去看下国内的RT-Thread社区，对比下两个社区的氛围。paddle社区是四海升平，paddle万岁万岁万万岁。RT-thread是这里“出问题了，那里内存溢出了，烽烟四起”大家快来救火。

对比下两个社区的首页，不得不说RT-Thread真实个垃圾，技术沉淀14年还到处出问题。

飞浆高层自有高层的用意，我只是个升斗小民，无法理解。但是我感觉对比两个社区的氛围，RT-thread氛围我更喜欢。

看了下面其他人的回复，感觉飞浆还是比较从善如流，广开言路的，希望飞浆越做越好。

PS：飞浆社区不是祖安。

如果你推荐我使用parl的话，parl的一些问题我已经说了。我记得曾经有节课里面有人说道如果哪一天美国禁用tf， torch怎么办。parl的框架里面有句：import torch。

不是底层研究人员，不清楚这句是干什么的。但是这个和飞浆说的话很冲突啊。

我们大家一起来“鞭策鞭策”paddle吧～～，studio 的pm 说过，他们要是有什么问题，一定要用”严厉的语气。。。强烈的要求。。。“，哈哈。

你说的对，如果天天“千秋万代”，后边的脚本的确不是”一统江湖“。。。

尤其是做技术，说得再好听也得”活儿好“才行

也不用激动，“心急吃不了热豆腐”～～

中华民族已经有点儿体格了

paddle是个深度学习框架工具，用于学习研究、提高生产率，不参与“拯救地球”，哈哈，不用那么较真。

社区刷分（一段拆成这么多句）之余，我也想说，paddle确实是国产深度学习框架里架势“最全，最端正”的一个吧。从开这么多课程、框架的迭代速度都能看得出来。

从这篇帖子看，paddle估计你比我用得6～～，我得跟你学才是。关于社区氛围，我觉得既需要技术大牛们的“硬核”拓展社区的层次和技术深度，也要容得下萌新们划水学样，好走上大牛之路吧。应用深度学习技术已经从黑科技走向新基础设施了，越来越多的各行各业的人会参与进来。

最后你说的，社区的主要作用之一是吐槽与推动，我是赞成和佩服的！