RL_IoT_distillation: 实验记录： 12.06: 复现初步部分 policy distillation思想的论文，剩下三个todo，后续完善。正在跑自己的distillation，然后第二台服务器跑vanilla DQN 今天对比了一下 test 100 比 30 大概与环境 collect 1M次，慢了50min，接近一个h。