深度强化学习经验回放(Experience Replay Buffer)的三点高性能修改建议：随机采样、减少保存的数据量、简化计算等

高性能的 ReplayBuffer 应该满足以下三点：

1. 随机采样 random sample 的速度要快，尽可能加快读取速度（最为重要）
2. 减少保存的数据量，增加吞吐效率（对分布式而言重要）
3. 保存能简化计算的变量（对特定算法而言重要）

为了达成以上要求，我建议做出以下修改：

1. 把 Replay Buffer 的数据都放在连续的内存里，加快读取速度
2. 按 trajectory 的顺序保存 env transition，避免重复保存 next state，减少数据量
3. 分开保存 state 与其他数据，减少数据量
4. 将 off-policy 的数据一直保存在显存内
5. 保存 mask = gamma if done else 0 用于计算 Q 值，而不是保存 done
6. 为 on-policy 的 PPO 算法保存 noise 用于计算新旧策略的熵

本文的重点：ReplayBuffer 的数据要放在连续内存里，实验结果如下：

我们使用 Numpy 库在内存里、使用 PyTorch 库在显存里 创建了一整块连续的空间，对比了 List 和 Tuple 的方案。结果：连续存储空间的明显更节省时间。