在OpenAI baselines的代码中，关于DQN，在构建操作图时，tf.stop_gradient被用于目标网络的q值上，以防止目标q值对损失最小化的贡献。（第213行）

然而，在调用minimize时，var_list被指定为仅包含正在优化的q网络范围内的tf.Variable，而不包括目标q网络范围内的变量。（第223行）

我不确定他们为什么要同时使用这两种方法。这两种方法似乎能达到相同的效果。

回答：

这是多余的。在我看来，代码的可读性更好——你知道梯度不会通过那个表达式流动，并且你也清楚哪些变量会被影响。

确实，只使用其中一种方法就足以达到相同的效果。