Hugging Face 深度强化学习课程：用 PyTorch 实现 Policy Gradient

Hugging Face 深度强化学习课程第 5 单元讲解基于策略的强化学习方法，用 PyTorch 从零实现首个 Policy-Gradient 算法 Reinforce，并在 CartPole-v1、PixelCopter 和 Pong 上测试其鲁棒性。