这个问题是询问关于使用 deepmind 开源库的方向/建议/帮助：DeepMind Lab或Python 中的TensorFlow。
考虑到我是深度学习和人工智能等概念的新手。
问题是：
- 是否有使用 Deepmind 或 Tensorflow 解决我需要观察值并采取行动的数学问题的示例？
使用类似于本页中描述的基于观察、行动、奖励等的方法，我想调用学习代理在一些值中进行选择。我在想这样的事情：
- 输入：元组列表的列表（列表将在每一步更改）
- 行动：从输入中获取一个值（基于经验）
- 奖励：如果它返回的值对于我正在实施的算法的其余部分是好是坏，我将奖励深度学习代理。
补充笔记：
- 我无法提前训练算法
输入是这样的：
edge: (1, 2), face_down: 4, face_up: 5, face_left: 4, face_right: 5
edge: (0, 1), face_down: 4, face_up: 4, face_left: 4, face_right: 5
edge: (5, 4), face_down: 4, face_up: 5, face_left: 4, face_right: 5
edge: (6, 7), face_down: 3, face_up: 5, face_left: 5, face_right: 5
edge: (3, 0), face_down: 4, face_up: 4, face_left: 5, face_right: 4
edge: (4, 1), face_down: 4, face_up: 5, face_left: 5, face_right: 4
edge: (8, 5), face_down: 4, face_up: 5, face_left: 5, face_right: 4
edge: (3, 8), face_down: 4, face_up: 5, face_left: 4, face_right: 5
edge: (2, 3), face_down: 4, face_up: 5, face_left: 5, face_right: 4
edge: (5, 0), face_down: 4, face_up: 4, face_left: 5, face_right: 4
edge: (0, 5), face_down: 4, face_up: 4, face_left: 4, face_right: 5
edge: (1, 0), face_down: 4, face_up: 4, face_left: 5, face_right: 4
edge: (9, 6), face_down: 3, face_up: 5, face_left: 5, face_right: 5
edge: (0, 3), face_down: 4, face_up: 4, face_left: 4, face_right: 5
edge: (7, 9), face_down: 3, face_up: 5, face_left: 5, face_right: 5
这个想法是使用与 deepmind 玩游戏相同的方法，但不是分析像素并使用 pad（上、下、左、右、火、跳跃），而是让学习代理分析一些数学值，并且，作为唯一的动作，选择其中之一。
是否有其他方法或库/框架来解决此类问题？
