摘要： 一些参考图片： 1. 使用sb3库， 调用callback,会记录每个episode结束时的reward; 使用tensorboard记录的rollout/ep_rew_mean，会自动每4个ep平均，并进行平滑，得到的不是原始数据。 from stable_baselines3.common.ca 阅读全文