我试图找出本文第二部分的代码（Q-learning + NN） https://medium.com/emergent-future/simple-reinforcement-learning-with-tensorflow-part-0-q-learning-with-tables-and-neural-networks-d195264329d0
1）为什么我们开始学习网络？在权重矩阵中写入targetQ [0，a [0]]是不是更容易？ 2）为什么经过网络训练W [s，[a0]]！= targetQ [0，a [0]]？因此损失！= 0