关于训练的若干问题：

[mingoliu08]

本人正基于RLcard作二次开发研究（更换斗地主少部分规则后训练）， 由于深度训练第一次接触研究， 知识储备不够，有几个疑问：

1. 训练被中断后， 添加--load_model参数接着训练， 在总时长一样的情况下效果是否跟从0开始训练没有被中断的效果一样？
2. 随着训练时长的不断增加，各项资源的占用不断减少， 尤其是内存从最开始的接近100%，训练13天后内存占用只有30%， 是否正常？
3. 通过评估函数评估效果是发现虽然总体效果不断增加， 但中间发现偶尔有一两天的训练效果反而比一两天前的效果差， 扣除误差因素，以及更换seed评估，都是同样的结果，是否正常？
4. 保存的文件名是否可以理解为训练的局数或者与局数成正比。 在不同类型的显卡，或者不同数量的显卡，训练效率是否可以通过单位时间内保存的文件名之差来评估？
5. 多块显卡训练时， 单独用一张卡训练，其他用作actor时，用作训练的显卡利用率太低， 能否用所有显卡产生actor，再用其中一块做训练？这样做是否训练效率更高？

[daochenzha]

@mingoliu08

1. 理论上没有区别。
2. 这个有点奇怪，理论上应该一样。是不是其他程序占用的？
3. 这个正常，训练中会有波动。
4. 是的。
5. 训练的瓶颈在actor，训练的进程会等待。所有显卡产生actor，再用其中一块做训练可能更快。

[mingoliu08]

@daochenzha 非常感谢您的解答， 第2点确实跟程序本身没关系