3-11：訓練與實行
我們先前每個AI遊戲的練習，都是讓程式跑了很多個小時之後，才能看到訓練的成效。這在訓練模型階段是不可避免的，訓練人工智慧的過程，本就是最消耗運算資源的。
一旦模型訓練到合乎我們的預期後，就可以把訓練結果直接拿來應用，不需要再每次都花那麼多時間了。如果是神經網路，就是把得到的權重係數儲存再載入，而我們現在的強化式學習，則是把多次修正後的Q-table存成 ***.npy檔案，然後在另一個相近的程式中載入再執行。
這個AI遊戲，我們將畫面像素，由400×400增加至600×600，但訓練的時間反而減少了，這是因為我們讓裡面的人物每走一步要跨過20個像素，所以狀態數會減少。即便如此，所儲存的Q-table，仍佔了超過1G的容量，因此在載入檔案階段，有花了一些時間。
在人工智慧模型建立過程中，就監督式訓練而言，最花時間的，其實是在準備資料和整理資料階段。但對強化式學習而言，這個階段的時間倒是可以節省下來，因為它所修正的資料，是由它自己計算而得的。
