整理了一些强化学习相关资料，方便自己翻阅。

在成功推免之后，我不需要再应付繁杂的课程，有了更多的时间和精力来整理学习和编写blog。为了有计划地进行后续的学习，我制定了一份学习计划，来促进自己的学习。

难度：省选/NOI-

深度学习框架通过自动计算导数，即自动微分 （automatic differentiation）来加快求导。 实际中，根据设计好的模型，系统会构建一个计算图 （computational graph）， 来跟踪计算是哪些数据通过哪些操作组合起来产生输出。 自动微分使系统能够随后反向传播梯度。 这里，反向传播 （backpropagate）意味着跟踪整个计算图，填充关于每个参数的偏导数。