chinese_L-12这个文件就是下载好的预训练模型，里面包含3个文件：vocab、config、pytorch_model.bin,分别是词典（获取词到索引的映射，将词变数字）、config.json是用于配置预训练模型参数的文件包含了模型的架构、超参数和其他模型配置信息、pytorch_model.bin是模型的权重。将train_labels=[‘好评’，’差评‘，’中评‘]进行编码，[[

基于值函数的强化学习方法基于模型的动态规划方法：这是基于模型的强化学习算法，也就是说都是已知的。为这么可以用动态规划来求解强化学习的最优策略，是因为动态规划问题的最优解可通过寻找子问题的最优解来得到问题的最优解。并且可以找到子问题状态之间的递推关系，通过较小的子问题状态递推出较大的子问题的状态。而强化学习的问题恰好是满足这两个条件的，下面是强化学习值函数的贝尔曼方程：(1)由上式可求解每个状态的状

基于值函数的强化学习方法基于模型的动态规划方法：这是基于模型的强化学习算法，也就是说都是已知的。为这么可以用动态规划来求解强化学习的最优策略，是因为动态规划问题的最优解可通过寻找子问题的最优解来得到问题的最优解。并且可以找到子问题状态之间的递推关系，通过较小的子问题状态递推出较大的子问题的状态。而强化学习的问题恰好是满足这两个条件的，下面是强化学习值函数的贝尔曼方程：(1)由上式可求解每个状态的状