feat(训练): 添加并行环境DQN训练脚本和Jupyter笔记本

- 新增 train_parallel.py 脚本，使用 AsyncVectorEnv 并行运行多个Atari环境
- 添加配套的 Jupyter 笔记本 train_parallel.ipynb 用于交互式训练
- 在 utils.py 的 wrapper 中修复 observation_space 定义，确保与预处理后的观测形状一致
- 删除旧的压缩文件 CW2_DQN_SpaceInvaders.zip
- 新增图片文件 image.png

并行训练器通过批量GPU推理和异步环境步进显著提升数据收集速度，适合在多核服务器环境下运行。包含完整的超参数配置、进度监控和模型保存功能。

强化学习个人项目报告（Atari 游戏方向）/src/utils.py

@@ -17,6 +17,10 @@ class GrayScaleWrapper(gym.ObservationWrapper):
 
     def __init__(self, env):
         super().__init__(env)
+        old_shape = self.observation_space.shape
+        self.observation_space = gym.spaces.Box(
+            low=0, high=255, shape=old_shape[:2], dtype=np.uint8
+        )
 
     def observation(self, obs):
         # RGB转灰度：加权平均
@@ -30,6 +34,15 @@ class ResizeWrapper(gym.ObservationWrapper):
     def __init__(self, env, size=(84, 84)):
         super().__init__(env)
         self.size = size
+        obs_shape = self.observation_space.shape
+        if len(obs_shape) == 3:
+            self.observation_space = gym.spaces.Box(
+                low=0, high=255, shape=(*size, obs_shape[-1]), dtype=np.uint8
+            )
+        else:
+            self.observation_space = gym.spaces.Box(
+                low=0, high=255, shape=size, dtype=np.uint8
+            )
 
     def observation(self, obs):
         import cv2