AgentPPOHterm的update_net解析trajectory数据时存在bug？

[nicklhy]

AgentPPOHterm类的update_net函数，会解析之前在train_and_evaluate里面通过AgentPPO.explore_one_env生成的trajectory（并且由于PPO是on_policy算法，所以并不会把trajectory放入replay buffer然后重新采样），但可以看到，AgentPPOHterm类的update_net函数解析trajectory数据格式和存放时并不一致（和AgentPPO类的update_net函数也不一致），看起来是个bug

AgentPPOHterm类update_net函数里的trajectory解析： https://github.com/AI4Finance-Foundation/ElegantRL/blob/1d5bf9e1639222c5d2a462adcc0c4eab453bbe70/elegantrl/agents/AgentPPO.py#L671

AgentPPO类explore_one_env函数里输出的trajectory格式： https://github.com/AI4Finance-Foundation/ElegantRL/blob/1d5bf9e1639222c5d2a462adcc0c4eab453bbe70/elegantrl/agents/AgentPPO.py#L92

AgentPPO类update_net函数里的trajectory解析： https://github.com/AI4Finance-Foundation/ElegantRL/blob/1d5bf9e1639222c5d2a462adcc0c4eab453bbe70/elegantrl/agents/AgentPPO.py#L139

除了这个解析顺序的问题，AgentPPOHterm类update_net需要的两个字段buf_mask和buf_noise似乎不能直接与undones和logprobs对应？不知道是不是代码实现上还没完成？