diff --git a/docs/chapter7/img/p1.png b/docs/chapter7/img/p1.png
new file mode 100644
index 0000000..1197da0
Binary files /dev/null and b/docs/chapter7/img/p1.png differ
diff --git a/docs/chapter7/img/p2.png b/docs/chapter7/img/p2.png
new file mode 100644
index 0000000..59a8671
Binary files /dev/null and b/docs/chapter7/img/p2.png differ
diff --git a/docs/chapter7/project2.md b/docs/chapter7/project2.md
new file mode 100644
index 0000000..b1fb49d
--- /dev/null
+++ b/docs/chapter7/project2.md
@@ -0,0 +1,70 @@
+# 使用DQN实现CartPole-v0
+
+推荐使用Double-DQN去解决，即建立两个初始参数相同的全链接网络target_net，和policy_net。
+
+## CartPole-v0
+
+CartPole-v0是open ai gym中的一个经典环境，通过向左(action=0)或向右(action=1)推车能够实现平衡，所以动作空间由两个动作组成。每进行一个step就会给一个reward，如果无法保持平衡那么done等于true，本次episode失败。理想状态下，每个episode至少能进行200个step，也就是说每个episode的reward总和至少为200，step数目至少为200。
+
+![p1](img/p1.png)
+
+环境建立如下：
+
+```python
+env = gym.make('CartPole-v0') 
+env.seed(1) # 设置env随机种子
+n_states = env.observation_space.shape[0] # 获取总的状态数
+n_actions = env.action_space.n # 获取总的动作数
+```
+
+## 强化学习基本接口
+
+```python
+rewards = [] # 记录总的rewards
+moving_average_rewards = [] # 记录总的经滑动平均处理后的rewards
+ep_steps = []
+for i_episode in range(1, cfg.max_episodes+1): # cfg.max_episodes为最大训练的episode数
+    state = env.reset() # reset环境状态
+    ep_reward = 0
+    for i_step in range(1, cfg.max_steps+1): # cfg.max_steps为每个episode的补偿
+        action = agent.select_action(state) # 根据当前环境state选择action
+        next_state, reward, done, _ = env.step(action) # 更新环境参数
+        ep_reward += reward
+        agent.memory.push(state, action, reward, next_state, done) # 将state等这些transition存入memory
+        state = next_state # 跳转到下一个状态
+        agent.update() # 每步更新网络
+        if done:
+            break
+    # 更新target network，复制DQN中的所有weights and biases
+    if i_episode % cfg.target_update == 0: #  cfg.target_update为target_net的更新频率
+        agent.target_net.load_state_dict(agent.policy_net.state_dict())
+    print('Episode:', i_episode, ' Reward: %i' %
+          int(ep_reward), 'n_steps:', i_step, 'done: ', done,' Explore: %.2f' % agent.epsilon)
+    ep_steps.append(i_step)
+    rewards.append(ep_reward)
+    # 计算滑动窗口的reward
+    if i_episode == 1:
+        moving_average_rewards.append(ep_reward)
+    else:
+        moving_average_rewards.append(
+            0.9*moving_average_rewards[-1]+0.1*ep_reward)
+```
+
+## 任务要求
+
+训练并绘制reward以及滑动平均后的reward随epiosde的变化曲线图并记录超参数写成报告，图示如下：
+
+![p2](img/p2.png)
+
+### 代码清单
+
+**main.py**：保存强化学习基本接口，以及相应的超参数，可使用argparse
+
+**model.py**：保存神经网络，比如全链接网络
+
+**dqn.py**: 保存算法模型，主要包含select_action和update两个函数
+
+**memory.py**：保存Replay Buffer
+
+**plot.py**：保存相关绘制函数
+