Hugging Face 深度强化学习课程 Unit 5：用 PyTorch 实现 Policy Gradient（Reinforce）

Hugging Face 深度强化学习课程 Unit 5 讲解 Policy-Gradient 方法，并用 PyTorch 从零实现首个策略梯度算法 Reinforce（Monte Carlo Policy Gradient），随后在 CartPole-v1、PixelCopter 和 Pong 上测试其鲁棒性。