DuelingDQN.ipynb中可能存在的两个BUG~

[libermeng]

1. 定义模型部分forward函数中return value + advantage - advantage.mean()可能有误，应该改为return value + advantage - advantage.mean(dim=1, keepdim=True)。
   因为按照定义，优势网络输出的值要满足的条件应该是保持在动作维度上的和为0，那么减去的均值应该只是动作维度的均值，而不是总体的均值。
2. 定义算法部分初始化函数中self.policy_net = model.to(self.device)与self.target_net = model.to(self.device)有误，应该改成 self.policy_net = DuelingNet(cfg.n_states, cfg.n_actions, hidden_dim=cfg.hidden_dim).to(self.device)和self.target_net = DuelingNet(cfg.n_states, cfg.n_actions, hidden_dim=cfg.hidden_dim).to(self.device)。
   因为原初始化方式是初始化了两个相同内存地址的policy_net和target_net对象，修改后的初始化方式才是初始化两个不同内存地址的对象。