1、上下文管理器（结合 yield使用）@contextmanager def timer(name):with timer('Timer PolicyEval'):那么在with下的一段代码会自动生成上下文2、策略迭代由策略评估和策略提升两部分组成，每一次迭代都会经过这两部分，策略评估的损失函数是当前的价值和之前算的价值的平方差，策略提升通过选择价值中高得...