DQN代码问题

1.env.render()函数用于渲染出当前的智能体以及环境的状态。

2.env.reset()为重新初始化函数

3.observation_, reward, done = env.step(action)
第一个为当前屏幕图像的像素值，经过彩色转灰度、缩放等变换最终送入我们上一篇文章中介绍的 CNN 中，得到下一步“行为”；

第二个值为奖励，每当游戏得分增加时，该返回值会有一个正反馈；

第三个值 gameover 为布尔值，如果游戏结束，返回 True；