GymLikeEnv¶
- class torchrl.envs.GymLikeEnv(*args, **kwargs)[原始碼]¶
一個類似 gym 的環境。
它的行為與 gym 環境相似，在通用方法（特別是 reset 和 step）方面，行為是符合預期的。
一個
GymLikeEnv具有以下簽名的step()方法env.step(action: np.ndarray) -> Tuple[Union[np.ndarray, dict], double, bool, *info]其中輸出分別是觀察、獎勵和完成狀態。在此實現中，info 輸出被丟棄（但可以透過更新 info_dict_reader 來讀取特定鍵，請參閱
set_info_dict_reader()方法）。預設情況下，第一個輸出寫入輸出 tensordict 的“observation”鍵值對，除非第一個輸出是字典。在這種情況下，每個觀察輸出將放置在相應
f"{key}"的位置，對應於字典中的每個f"{key}"。還期望 env.reset() 返回一個與完成 step 後的觀察相似的觀察。
- property action_key: NestedKey¶
環境的 action 鍵。
預設情況下，這通常是 “action”。
如果環境中存在多個 action 鍵，此函式將引發異常。
- property action_keys: list[tensordict._nestedkey.NestedKey]¶
環境的 action 鍵。
預設情況下，只有一個名為 “action” 的鍵。
鍵按資料樹的深度排序。
- property action_spec: TensorSpec¶
actionspec。的
action_spec始終儲存為複合 spec。如果 action spec 作為簡單 spec 提供，則將返回該 spec。
>>> env.action_spec = Unbounded(1) >>> env.action_spec UnboundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous)
如果 action spec 作為複合 spec 提供且僅包含一個葉子，則此函式將僅返回該葉子。
>>> env.action_spec = Composite({"nested": {"action": Unbounded(1)}}) >>> env.action_spec UnboundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous)
如果 action spec 作為複合 spec 提供且包含多個葉子，則此函式將返回整個 spec。
>>> env.action_spec = Composite({"nested": {"action": Unbounded(1), "another_action": Categorical(1)}}) >>> env.action_spec Composite( nested: Composite( action: UnboundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous), another_action: Categorical( shape=torch.Size([]), space=DiscreteBox(n=1), device=cpu, dtype=torch.int64, domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
要檢索傳遞的完整 spec，請使用
>>> env.input_spec["full_action_spec"]
此屬性是可變的。
示例
>>> from torchrl.envs.libs.gym import GymEnv >>> env = GymEnv("Pendulum-v1") >>> env.action_spec BoundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous)
- property action_spec_unbatched: TensorSpec¶
返回環境的 action spec，就好像它沒有批次維度一樣。
- add_module(name: str, module: Optional[Module]) None¶
將子模組新增到當前模組。
可以使用給定的名稱作為屬性訪問該模組。
- 引數:
name (str) – 子模組的名稱。子模組可以透過給定名稱從此模組訪問
module (Module) – 要新增到模組中的子模組。
- all_actions(tensordict: TensorDictBase | None = None) TensorDictBase¶
從 action spec 生成所有可能的 action。
這僅適用於具有完全離散 action 的環境。
- 引數:
tensordict (TensorDictBase, optional) – 如果提供，則使用此 tensordict 呼叫
reset()。- 返回:
一個 tensordict 物件，其中 “action” 條目已更新為批次的所有可能 action。Action 被堆疊在主維度上。
- any_done(tensordict: TensorDictBase) bool¶
檢查 tensordict 是否處於“結束”狀態（或批次中的某個元素是否處於）。
結果將寫入 “_reset” 條目。
- 返回: 一個布林值，指示 tensordict 中是否有標記
為結束的元素。
注意
傳入的 tensordict 應該是 “next” tensordict 或等價物——即，它不應包含 “next” 值。
- append_transform(transform: Transform | Callable[[TensorDictBase], TensorDictBase]) torchrl.envs.TransformedEnv¶
返回一個轉換後的環境，其中應用了傳入的可呼叫函式/轉換。
- 引數:
transform (Transform 或 Callable[[TensorDictBase], TensorDictBase]) – 要應用於環境的轉換。
示例
>>> from torchrl.envs import GymEnv >>> import torch >>> env = GymEnv("CartPole-v1") >>> loc = 0.5 >>> scale = 1.0 >>> transform = lambda data: data.set("observation", (data.get("observation") - loc)/scale) >>> env = env.append_transform(transform=transform) >>> print(env) TransformedEnv( env=GymEnv(env=CartPole-v1, batch_size=torch.Size([]), device=cpu), transform=_CallableTransform(keys=[]))
- apply(fn: Callable[[Module], None]) Self¶
將
fn遞迴應用於每個子模組（由.children()返回）以及自身。典型用法包括初始化模型引數（另請參閱 torch.nn.init）。
- 引數:
fn (
Module-> None) – 要應用於每個子模組的函式- 返回:
self
- 返回型別:
模組
示例
>>> @torch.no_grad() >>> def init_weights(m): >>> print(m) >>> if type(m) == nn.Linear: >>> m.weight.fill_(1.0) >>> print(m.weight) >>> net = nn.Sequential(nn.Linear(2, 2), nn.Linear(2, 2)) >>> net.apply(init_weights) Linear(in_features=2, out_features=2, bias=True) Parameter containing: tensor([[1., 1.], [1., 1.]], requires_grad=True) Linear(in_features=2, out_features=2, bias=True) Parameter containing: tensor([[1., 1.], [1., 1.]], requires_grad=True) Sequential( (0): Linear(in_features=2, out_features=2, bias=True) (1): Linear(in_features=2, out_features=2, bias=True) )
- auto_register_info_dict(ignore_private: bool = True, *, info_dict_reader: Optional[BaseInfoDictReader] = None) EnvBase[原始碼]¶
自動註冊 info dict，並在需要時追加
TensorDictPrimer例項。如果未提供 info_dict_reader，則假定 info dict 中包含的所有資訊都可以作為數值註冊到 tensordict 中。
此方法返回一個（可能已轉換的）環境，在該環境中，我們確保
torchrl.envs.utils.check_env_specs()成功，無論 info 是否在重置時填充。注意
此方法需要執行環境中的幾個迭代才能手動檢查行為是否符合預期。
- 引數:
ignore_private (bool, optional) – 如果為
True，則會忽略私有資訊（以下劃線開頭）。預設為True。- 關鍵字引數:
info_dict_reader (BaseInfoDictReader, optional) – info_dict_reader，如果已知。與
set_info_dict_reader()不同，此方法將建立 primer 以使check_env_specs()執行。
示例
>>> from torchrl.envs import GymEnv >>> env = GymEnv("HalfCheetah-v4") >>> # registers the info dict reader >>> env.auto_register_info_dict() GymEnv(env=HalfCheetah-v4, batch_size=torch.Size([]), device=cpu) >>> env.rollout(3) TensorDict( fields={ action: Tensor(shape=torch.Size([3, 6]), device=cpu, dtype=torch.float32, is_shared=False), done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict( fields={ done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([3, 17]), device=cpu, dtype=torch.float64, is_shared=False), reward: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.float32, is_shared=False), reward_ctrl: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False), reward_run: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False), terminated: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), x_position: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False), x_velocity: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False)}, batch_size=torch.Size([3]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([3, 17]), device=cpu, dtype=torch.float64, is_shared=False), reward_ctrl: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False), reward_run: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False), terminated: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), x_position: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False), x_velocity: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float64, is_shared=False)}, batch_size=torch.Size([3]), device=cpu, is_shared=False)
- auto_specs_(policy: Callable[[TensorDictBase], TensorDictBase], *, tensordict: TensorDictBase | None = None, action_key: NestedKey | list[NestedKey] = 'action', done_key: NestedKey | list[NestedKey] | None = None, observation_key: NestedKey | list[NestedKey] = 'observation', reward_key: NestedKey | list[NestedKey] = 'reward')¶
根據使用給定策略的隨機 rollout 自動設定環境的規範（specs）。
此方法使用提供的策略執行 rollout，以推斷環境的輸入和輸出規範。它會根據 rollout 期間收集的資料更新環境的操作、觀察、獎勵和完成訊號的規範。
- 引數:
policy (Callable[[TensorDictBase], TensorDictBase]) – 一個可呼叫的策略，接受 TensorDictBase 作為輸入並返回 TensorDictBase 作為輸出。此策略用於執行 rollout 並確定規範。
- 關鍵字引數:
tensordict (TensorDictBase, optional) – 可選的 TensorDictBase 例項，用作 rollout 的初始狀態。如果未提供，將呼叫環境的 reset 方法來獲取初始狀態。
action_key (NestedKey 或 List[NestedKey], optional) – 在 TensorDictBase 中用於標識 action 的鍵。預設為 “action”。
done_key (NestedKey 或 List[NestedKey], optional) – 用於在 TensorDictBase 中標識完成訊號的鍵。預設為
None，它將嘗試使用 [“done”, “terminated”, “truncated”] 作為潛在鍵。observation_key (NestedKey 或 List[NestedKey], optional) – 在 TensorDictBase 中用於標識 observation 的鍵。預設為 “observation”。
reward_key (NestedKey 或 List[NestedKey], optional) – 在 TensorDictBase 中用於標識 reward 的鍵。預設為 “reward”。
- 返回:
已更新 spec 的環境例項。
- 返回型別:
- 丟擲:
RuntimeError – 如果輸出 spec 中存在未被提供的鍵所覆蓋的鍵。
- property batch_dims: int¶
環境的批次維度數。
- property batch_locked: bool¶
環境是否可以用於與初始化時不同的批次大小。
如果為 True，則需要在與環境相同批次大小的 tensordict 上使用該環境。batch_locked 是一個不可變屬性。
- property batch_size: Size¶
此環境例項中批次化環境的數量，組織為 torch.Size() 物件。
環境可能相似或不同，但假定它們之間幾乎沒有（如果有的話）互動（例如，多工或並行批處理執行）。
- bfloat16() Self¶
將所有浮點引數和緩衝區轉換為
bfloat16資料型別。注意
此方法就地修改模組。
- 返回:
self
- 返回型別:
模組
- buffers(recurse: bool = True) Iterator[Tensor]¶
返回模組緩衝區的迭代器。
- 引數:
recurse (bool) – 如果為 True，則會產生此模組及其所有子模組的 buffer。否則，僅會產生此模組的直接成員 buffer。
- 產生:
torch.Tensor – 模組緩衝區
示例
>>> # xdoctest: +SKIP("undefined vars") >>> for buf in model.buffers(): >>> print(type(buf), buf.size()) <class 'torch.Tensor'> (20L,) <class 'torch.Tensor'> (20L, 1L, 5L, 5L)
- cardinality(tensordict: TensorDictBase | None = None) int¶
動作空間的基數。
預設情況下，這只是
env.action_space.cardinality的一個包裝器。此類在動作規範可變時很有用
動作數量可能未定義，例如
Categorical(n=-1)；動作基數可能取決於動作掩碼；
形狀可以是動態的，如
Unbound(shape=(-1))。
在這些情況下，應覆蓋
cardinality()，- 引數:
tensordict (TensorDictBase, optional) – 包含計算基數所需資料的 tensordict。
- check_env_specs(*args, **kwargs)¶
使用簡短的 rollout 來測試環境規範。
此測試函式應作為 torchrl 的 EnvBase 子類包裝的環境的健全性檢查：預期的資料與收集到的資料之間的任何差異都應引發斷言錯誤。
損壞的環境規範很可能會使並行環境無法使用。
- 引數:
env (EnvBase) – 要檢查其規格與資料是否匹配的環境。
return_contiguous (bool, optional) – 如果
True，則會使用 return_contiguous=True 呼叫隨機回放。這在某些情況下會失敗（例如，輸入/輸出的異構形狀）。預設為None（由動態 spec 的存在決定）。check_dtype (bool, optional) – 如果為 False，則會跳過 dtype 檢查。預設為 True。
seed (int, optional) – 為了可復現性，可以設定一個種子。種子會臨時設定在 pytorch 中，然後 RNG 狀態會恢復到之前的狀態。對於 env，我們設定了種子，但由於將 RNG 狀態恢復到之前的狀態不是大多數環境的功能，因此我們將其留給使用者自行完成。預設為
None。tensordict (TensorDict, optional) – 用於重置的可選 tensordict 例項。
break_when_any_done (bool 或 str, optional) –
break_when_any_done在rollout()中的值。如果為"both"，則測試會在 True 和 False 上執行。
注意：此函式會重置環境種子。它應該“離線”使用，以檢查環境是否已充分構建，但它可能會影響實驗的播種，因此應將其排除在訓練指令碼之外。
- children() Iterator[Module]¶
返回直接子模組的迭代器。
- 產生:
Module – 子模組
- close(*, raise_if_closed: bool = True) None¶
關閉包含的環境（如果可能）。
- property collector: DataCollectorBase | None¶
返回與容器關聯的收集器（如果存在）。
- compile(*args, **kwargs)¶
使用
torch.compile()編譯此 Module 的前向傳播。此 Module 的 __call__ 方法將被編譯，並且所有引數將按原樣傳遞給
torch.compile()。有關此函式的引數的詳細資訊，請參閱
torch.compile()。
- cpu() Self¶
將所有模型引數和緩衝區移動到 CPU。
注意
此方法就地修改模組。
- 返回:
self
- 返回型別:
模組
- cuda(device: Optional[Union[device, int]] = None) Self¶
將所有模型引數和緩衝區移動到 GPU。
這也會使相關的引數和緩衝區成為不同的物件。因此，如果模組在最佳化時將駐留在 GPU 上，則應在構建最佳化器之前呼叫此函式。
注意
此方法就地修改模組。
- 引數:
device (int, optional) – 如果指定，所有引數將複製到該裝置
- 返回:
self
- 返回型別:
模組
- property done_key¶
環境的 done 鍵。
預設為“done”。
如果環境中存在多個 done 鍵，此函式將引發異常。
- property done_keys: list[tensordict._nestedkey.NestedKey]¶
環境的 done 鍵。
預設情況下，只有一個名為“done”的鍵。
鍵按資料樹的深度排序。
- property done_keys_groups¶
done 鍵的列表，按重置鍵分組。
這是一個列表的列表。外層列表的長度等於重置鍵的數量，內層列表包含 done 鍵（例如，done 和 truncated），這些鍵可以在 absence 時讀取以確定重置。
- property done_spec: TensorSpec¶
done規範。done_spec始終儲存為複合規範。如果 done 規範作為簡單規範提供，則將返回該規範。
>>> env.done_spec = Categorical(2, dtype=torch.bool) >>> env.done_spec Categorical( shape=torch.Size([]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete)
如果 done 規範作為複合規範提供且僅包含一個葉子，則此函式將僅返回該葉子。
>>> env.done_spec = Composite({"nested": {"done": Categorical(2, dtype=torch.bool)}}) >>> env.done_spec Categorical( shape=torch.Size([]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete)
如果 done 規範作為複合規範提供且具有多個葉子，則此函式將返回整個規範。
>>> env.done_spec = Composite({"nested": {"done": Categorical(2, dtype=torch.bool), "another_done": Categorical(2, dtype=torch.bool)}}) >>> env.done_spec Composite( nested: Composite( done: Categorical( shape=torch.Size([]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete), another_done: Categorical( shape=torch.Size([]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
要始終檢索傳入的完整規範，請使用
>>> env.output_spec["full_done_spec"]
此屬性是可變的。
示例
>>> from torchrl.envs.libs.gym import GymEnv >>> env = GymEnv("Pendulum-v1") >>> env.done_spec Categorical( shape=torch.Size([1]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete)
- property done_spec_unbatched: TensorSpec¶
返回環境的 done 規範，就好像它沒有批處理維度一樣。
- double() Self¶
將所有浮點引數和緩衝區轉換為
double資料型別。注意
此方法就地修改模組。
- 返回:
self
- 返回型別:
模組
- empty_cache()¶
清除所有快取值。
對於常規環境，鍵列表（獎勵、完成等）會被快取，但在某些情況下，它們可能在程式碼執行期間發生更改（例如，新增轉換時）。
- eval() Self¶
將模組設定為評估模式。
這僅對某些模組有影響。有關模組在訓練/評估模式下的行為，例如它們是否受影響（如
Dropout、BatchNorm等），請參閱具體模組的文件。這等同於
self.train(False)。有關 .eval() 和幾種可能與之混淆的類似機制之間的比較，請參閱 區域性停用梯度計算。
- 返回:
self
- 返回型別:
模組
- extra_repr() str¶
返回模組的額外表示。
要列印自定義額外資訊，您應該在自己的模組中重新實現此方法。單行和多行字串均可接受。
- fake_tensordict() TensorDictBase¶
返回一個假的 tensordict，其鍵值對在形狀、裝置和 dtype 上與環境 rollout 期間預期的一致。
- fast_encoding(mode: bool = True) T[原始碼]¶
跳過環境輸出編碼過程中的一些檢查，以加速環境的執行。
- 引數:
mode (bool, optional) – 記憶模式。如果為
True，則僅執行一次輸入檢查，然後預先記錄編碼管道。
另請參閱
memoize_cache().示例
>>> from torchrl.envs import GymEnv >>> from torch.utils.benchmark import Timer >>> >>> env = GymEnv("Pendulum-v1") >>> t = Timer("env.rollout(1000, break_when_any_done=False)", globals=globals(), num_threads=32).adaptive_autorange() >>> m = t.median >>> print(f"Speed without memoizing: {1000/t.median: 4.4f}fps") Speed without memoizing: 10141.5742fps >>> >>> env.fast_encoding() >>> t = Timer("env.rollout(1000, break_when_any_done=False)", globals=globals(), num_threads=32).adaptive_autorange() >>> m = t.median >>> print(f"Speed with memoizing: {1000/t.median: 4.4f}fps") Speed with memoizing: 10576.8388fps
- float() Self¶
將所有浮點引數和緩衝區轉換為
float資料型別。注意
此方法就地修改模組。
- 返回:
self
- 返回型別:
模組
- forward(*args, **kwargs)¶
定義每次呼叫時執行的計算。
所有子類都應重寫此方法。
注意
儘管前向傳播的實現需要在此函式中定義，但您應該在之後呼叫
Module例項而不是此函式，因為前者會處理註冊的鉤子，而後者則會靜默忽略它們。
- property full_action_spec: Composite¶
完整的動作規範。
full_action_spec是一個Composite`例項，其中包含所有動作條目。示例
>>> from torchrl.envs import BraxEnv >>> for envname in BraxEnv.available_envs: ... break >>> env = BraxEnv(envname) >>> env.full_action_spec Composite( action: BoundedContinuous( shape=torch.Size([8]), space=ContinuousBox( low=Tensor(shape=torch.Size([8]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([8]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous), device=cpu, shape=torch.Size([]))
- property full_done_spec: Composite¶
完整的 done 規範。
full_done_spec是一個Composite`例項，其中包含所有完成條目。它可以用於生成結構類似於執行時獲得的假資料。示例
>>> import gymnasium >>> from torchrl.envs import GymWrapper >>> env = GymWrapper(gymnasium.make("Pendulum-v1")) >>> env.full_done_spec Composite( done: Categorical( shape=torch.Size([1]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete), truncated: Categorical( shape=torch.Size([1]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete), device=cpu, shape=torch.Size([]))
- property full_reward_spec: Composite¶
完整的 reward 規範。
full_reward_spec是一個Composite`例項，其中包含所有 reward 條目。示例
>>> import gymnasium >>> from torchrl.envs import GymWrapper, TransformedEnv, RenameTransform >>> base_env = GymWrapper(gymnasium.make("Pendulum-v1")) >>> env = TransformedEnv(base_env, RenameTransform("reward", ("nested", "reward"))) >>> env.full_reward_spec Composite( nested: Composite( reward: UnboundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous), device=None, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
- property full_state_spec: Composite¶
完整的 state 規範。
full_state_spec是一個Composite`例項，其中包含所有狀態條目（即，非操作的輸入資料）。示例
>>> from torchrl.envs import BraxEnv >>> for envname in BraxEnv.available_envs: ... break >>> env = BraxEnv(envname) >>> env.full_state_spec Composite( state: Composite( pipeline_state: Composite( q: UnboundedContinuous( shape=torch.Size([15]), space=None, device=cpu, dtype=torch.float32, domain=continuous), [...], device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
- get_buffer(target: str) Tensor¶
返回由
target給定的緩衝區（如果存在），否則丟擲錯誤。有關此方法功能的更詳細解釋以及如何正確指定
target，請參閱get_submodule的文件字串。- 引數:
target – 要查詢的 buffer 的完全限定字串名稱。（要指定完全限定字串，請參閱
get_submodule。）- 返回:
由
target引用的緩衝區- 返回型別:
- 丟擲:
AttributeError – 如果目標字串引用了無效路徑或解析為非 buffer 物件。
- get_extra_state() Any¶
返回要包含在模組 state_dict 中的任何額外狀態。
如果需要儲存額外狀態，請實現此方法和相應的
set_extra_state()。構建模組的 state_dict() 時會呼叫此函式。注意，為了保證 state_dict 的序列化工作正常，額外狀態應該是可被 pickle 的。我們僅為 Tensors 的序列化提供向後相容性保證；其他物件的序列化形式若發生變化，可能導致向後相容性中斷。
- 返回:
要儲存在模組 state_dict 中的任何額外狀態
- 返回型別:
物件
- get_parameter(target: str) Parameter¶
如果存在，返回由
target給定的引數，否則丟擲錯誤。有關此方法功能的更詳細解釋以及如何正確指定
target，請參閱get_submodule的文件字串。- 引數:
target – 要查詢的 Parameter 的完全限定字串名稱。（要指定完全限定字串，請參閱
get_submodule。）- 返回:
由
target引用的引數- 返回型別:
torch.nn.Parameter
- 丟擲:
AttributeError – 如果目標字串引用了無效路徑或解析為非
nn.Parameter的物件。
- get_submodule(target: str) Module¶
如果存在，返回由
target給定的子模組，否則丟擲錯誤。例如，假設您有一個
nn.ModuleA，它看起來像這樣A( (net_b): Module( (net_c): Module( (conv): Conv2d(16, 33, kernel_size=(3, 3), stride=(2, 2)) ) (linear): Linear(in_features=100, out_features=200, bias=True) ) )(圖示了一個
nn.ModuleA。A包含一個巢狀子模組net_b，該子模組本身有兩個子模組net_c和linear。net_c隨後又有一個子模組conv。)要檢查是否存在
linear子模組，可以呼叫get_submodule("net_b.linear")。要檢查是否存在conv子模組，可以呼叫get_submodule("net_b.net_c.conv")。get_submodule的執行時複雜度受target中模組巢狀深度的限制。與named_modules的查詢相比，後者的複雜度是按傳遞模組數量計算的 O(N)。因此，對於簡單地檢查某個子模組是否存在，應始終使用get_submodule。- 引數:
target – 要查詢的子模組的完全限定字串名稱。（要指定完全限定字串，請參閱上面的示例。）
- 返回:
由
target引用的子模組- 返回型別:
- 丟擲:
AttributeError – 如果在目標字串解析的任何路徑中，子路徑解析為不存在的屬性名或不是
nn.Module例項的物件。
- half() Self¶
將所有浮點引數和緩衝區轉換為
half資料型別。注意
此方法就地修改模組。
- 返回:
self
- 返回型別:
模組
- property input_spec: TensorSpec¶
輸入規範。
包含輸入到環境的所有規範的複合規範。
它包含
“full_action_spec”: 輸入動作的規範
“full_state_spec”: 所有其他環境輸入的規範
此屬性是鎖定的，應該是隻讀的。相反，要設定其中包含的規範，請使用相應的屬性。
示例
>>> from torchrl.envs.libs.gym import GymEnv >>> env = GymEnv("Pendulum-v1") >>> env.input_spec Composite( full_state_spec: None, full_action_spec: Composite( action: BoundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
- ipu(device: Optional[Union[device, int]] = None) Self¶
將所有模型引數和緩衝區移動到 IPU。
這也會使關聯的引數和緩衝區成為不同的物件。因此，如果模組在最佳化時將駐留在 IPU 上，則應在構建最佳化器之前呼叫它。
注意
此方法就地修改模組。
- 引數:
device (int, optional) – 如果指定，所有引數將複製到該裝置
- 返回:
self
- 返回型別:
模組
- property is_spec_locked¶
獲取環境的規範是否已鎖定。
此屬性可以直接修改。
- 返回:
如果規範已鎖定，則為 True，否則為 False。
- 返回型別:
布林值
另請參閱
- load_state_dict(state_dict: Mapping[str, Any], strict: bool = True, assign: bool = False)¶
從
state_dict中將引數和緩衝區複製到此模組及其子模組。如果
strict為True，則state_dict的鍵必須與此模組的state_dict()函式返回的鍵完全匹配。警告
如果
assign為True，則必須在呼叫load_state_dict後建立最佳化器，除非get_swap_module_params_on_conversion()為True。- 引數:
state_dict (dict) – 包含引數和持久 buffer 的字典。
strict (bool, optional) – 是否嚴格強制
state_dict中的鍵與此模組的state_dict()函式返回的鍵匹配。預設值：Trueassign (bool, optional) – 當設定為
False時，將保留當前模組中張量的屬性；當設定為True時，將保留 state_dict 中張量的屬性。唯一的例外是Parameter的requires_grad欄位，此時將保留模組的值。預設值：False
- 返回:
missing_keys是一個包含此模組期望但在提供的
state_dict中缺失的任何鍵的字串列表。
unexpected_keys是一個字串列表，包含此模組不期望但在提供的
state_dict中存在的鍵。
- 返回型別:
NamedTuple，包含missing_keys和unexpected_keys欄位。
注意
如果引數或緩衝區被註冊為
None並且其對應的鍵存在於state_dict中，則load_state_dict()將引發RuntimeError。
- maybe_reset(tensordict: TensorDictBase) TensorDictBase¶
檢查輸入 tensordict 的 done 鍵，如果需要，則重置已完成的環境。
- 引數:
tensordict (TensorDictBase) – 來自
step_mdp()輸出的 tensordict。- 返回:
一個與輸入相同的 tensordict，其中環境未被重置，並且在環境被重置的地方包含新的重置資料。
- modules() Iterator[Module]¶
返回網路中所有模組的迭代器。
- 產生:
Module – 網路中的一個模組
注意
重複的模組只返回一次。在以下示例中，
l只返回一次。示例
>>> l = nn.Linear(2, 2) >>> net = nn.Sequential(l, l) >>> for idx, m in enumerate(net.modules()): ... print(idx, '->', m) 0 -> Sequential( (0): Linear(in_features=2, out_features=2, bias=True) (1): Linear(in_features=2, out_features=2, bias=True) ) 1 -> Linear(in_features=2, out_features=2, bias=True)
- mtia(device: Optional[Union[device, int]] = None) Self¶
將所有模型引數和緩衝區移動到 MTIA。
這也會使關聯的引數和緩衝區成為不同的物件。因此，如果模組在最佳化時將駐留在 MTIA 上，則應在構建最佳化器之前呼叫它。
注意
此方法就地修改模組。
- 引數:
device (int, optional) – 如果指定，所有引數將複製到該裝置
- 返回:
self
- 返回型別:
模組
- named_buffers(prefix: str = '', recurse: bool = True, remove_duplicate: bool = True) Iterator[tuple[str, torch.Tensor]]¶
返回模組緩衝區上的迭代器，同時生成緩衝區的名稱和緩衝區本身。
- 引數:
prefix (str) – 為所有 buffer 名稱新增字首。
recurse (bool, optional) – 如果為 True，則會生成此模組及其所有子模組的 buffers。否則，僅生成此模組直接成員的 buffers。預設為 True。
remove_duplicate (bool, optional) – 是否在結果中刪除重複的 buffers。預設為 True。
- 產生:
(str, torch.Tensor) – 包含名稱和緩衝區的元組
示例
>>> # xdoctest: +SKIP("undefined vars") >>> for name, buf in self.named_buffers(): >>> if name in ['running_var']: >>> print(buf.size())
- named_children() Iterator[tuple[str, 'Module']]¶
返回對直接子模組的迭代器，生成模組的名稱和模組本身。
- 產生:
(str, Module) – 包含名稱和子模組的元組
示例
>>> # xdoctest: +SKIP("undefined vars") >>> for name, module in model.named_children(): >>> if name in ['conv4', 'conv5']: >>> print(module)
- named_modules(memo: Optional[set['Module']] = None, prefix: str = '', remove_duplicate: bool = True)¶
返回網路中所有模組的迭代器，同時生成模組的名稱和模組本身。
- 引數:
memo – 用於儲存已新增到結果中的模組集合的 memo
prefix – 將新增到模組名稱的名稱字首
remove_duplicate – 是否從結果中刪除重複的模組例項
- 產生:
(str, Module) – 名稱和模組的元組
注意
重複的模組只返回一次。在以下示例中，
l只返回一次。示例
>>> l = nn.Linear(2, 2) >>> net = nn.Sequential(l, l) >>> for idx, m in enumerate(net.named_modules()): ... print(idx, '->', m) 0 -> ('', Sequential( (0): Linear(in_features=2, out_features=2, bias=True) (1): Linear(in_features=2, out_features=2, bias=True) )) 1 -> ('0', Linear(in_features=2, out_features=2, bias=True))
- named_parameters(prefix: str = '', recurse: bool = True, remove_duplicate: bool = True) Iterator[tuple[str, torch.nn.parameter.Parameter]]¶
返回模組引數的迭代器，同時生成引數的名稱和引數本身。
- 引數:
prefix (str) – 為所有引數名稱新增字首。
recurse (bool) – 如果為 True，則會生成此模組及其所有子模組的引數。否則，僅生成此模組直接成員的引數。
remove_duplicate (bool, optional) – 是否在結果中刪除重複的引數。預設為 True。
- 產生:
(str, Parameter) – 包含名稱和引數的元組
示例
>>> # xdoctest: +SKIP("undefined vars") >>> for name, param in self.named_parameters(): >>> if name in ['bias']: >>> print(param.size())
- property observation_keys: list[tensordict._nestedkey.NestedKey]¶
環境的 observation keys。
預設情況下，只有一個名為“observation”的 key。
鍵按資料樹的深度排序。
- property observation_spec: Composite¶
Observation spec。
必須是
torchrl.data.Composite例項。spec 中列出的鍵在重置和步進後可直接訪問。在 TorchRL 中，即使它們不嚴格來說是“observation”，所有 info、state、transforms 的結果等環境輸出都儲存在
observation_spec中。因此，
"observation_spec"應被視為環境輸出（非 done 或 reward 資料）的通用資料容器。示例
>>> from torchrl.envs.libs.gym import GymEnv >>> env = GymEnv("Pendulum-v1") >>> env.observation_spec Composite( observation: BoundedContinuous( shape=torch.Size([3]), space=ContinuousBox( low=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous), device=cpu, shape=torch.Size([]))
- property output_spec: TensorSpec¶
Output spec。
包含環境所有資料輸出 spec 的複合 spec。
它包含
“full_reward_spec”: reward 的 spec
“full_done_spec”: done 的 spec
“full_observation_spec”: 所有其他環境輸出的 spec
此屬性是鎖定的，應該是隻讀的。相反，要設定其中包含的規範，請使用相應的屬性。
示例
>>> from torchrl.envs.libs.gym import GymEnv >>> env = GymEnv("Pendulum-v1") >>> env.output_spec Composite( full_reward_spec: Composite( reward: UnboundedContinuous( shape=torch.Size([1]), space=None, device=cpu, dtype=torch.float32, domain=continuous), device=cpu, shape=torch.Size([])), full_observation_spec: Composite( observation: BoundedContinuous( shape=torch.Size([3]), space=ContinuousBox( low=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous), device=cpu, shape=torch.Size([])), full_done_spec: Composite( done: Categorical( shape=torch.Size([1]), space=DiscreteBox(n=2), device=cpu, dtype=torch.bool, domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
- parameters(recurse: bool = True) Iterator[Parameter]¶
返回模組引數的迭代器。
這通常傳遞給最佳化器。
- 引數:
recurse (bool) – 如果為 True，則會生成此模組及其所有子模組的引數。否則，僅生成此模組直接成員的引數。
- 產生:
Parameter – 模組引數
示例
>>> # xdoctest: +SKIP("undefined vars") >>> for param in model.parameters(): >>> print(type(param), param.size()) <class 'torch.Tensor'> (20L,) <class 'torch.Tensor'> (20L, 1L, 5L, 5L)
- rand_action(tensordict: TensorDictBase | None = None)¶
根據 action_spec 屬性執行隨機動作。
- 引數:
tensordict (TensorDictBase, optional) – 要將生成的動作寫入的 tensordict。
- 返回:
一個 tensordict 物件，其“action”條目已用從 action-spec 中隨機抽取的樣本更新。
- rand_step(tensordict: TensorDictBase | None = None) TensorDictBase¶
根據 action_spec 屬性在環境中執行隨機步長。
- 引數:
tensordict (TensorDictBase, optional) – 要將生成的 info 寫入的 tensordict。
- 返回:
一個 tensordict 物件，其中包含在環境中隨機步長後的新 observation。動作將以“action”鍵儲存。
- read_action(action)[原始碼]¶
從輸入 TensorDict 獲取動作並將其轉換為包含環境的預期格式。
- 引數:
action (Tensor 或 TensorDict) – 要在環境中執行的動作
返回：格式與包含的環境相容的動作。
- read_done(terminated: bool | None = None, truncated: bool | None = None, done: bool | None = None) tuple[bool | np.ndarray, bool | np.ndarray, bool | np.ndarray, bool][原始碼]¶
完成狀態讀取器。
在 torchrl 中，“done” 訊號表示一個軌跡已到達其末尾，無論是由於中斷還是終止。Truncated 表示回合已提前截斷。Terminated 表示任務已完成，回合已結束。
- 引數:
terminated (np.ndarray, boolean 或 其他格式) – 從環境中獲得的完成狀態。
"terminated"等同於 gymnasium 中的"termination"：環境已達到回合結束的訊號，此後的任何資料都應被視為無意義。預設為None。truncated (bool 或 None) – 提前截斷訊號。預設為
None。done (bool 或 None) – 回合結束訊號。這應該是對於不指定
"done"條目是指"terminated"還是"truncated"的環境的後備值。預設為None。
返回：一個包含 4 個布林值/張量值的元組，
一個完成狀態，
一個截斷狀態，
一個完成狀態，
一個布林值，指示是否應中斷 frame_skip 迴圈。
- read_obs(observations: dict[str, Any] | torch.Tensor | np.ndarray) dict[str, Any][原始碼]¶
從環境中讀取觀察值，並返回與輸出 TensorDict 相容的觀察值。
- 引數:
observations (observation under a format dictated by the inner env) – 要讀取的觀察值。
- read_reward(reward)[原始碼]¶
讀取獎勵並將其對映到獎勵空間。
- 引數:
reward (torch.Tensor 或 TensorDict) – 要對映的獎勵。
- register_backward_hook(hook: Callable[[Module, Union[tuple[torch.Tensor, ...], Tensor], Union[tuple[torch.Tensor, ...], Tensor]], Union[None, tuple[torch.Tensor, ...], Tensor]]) RemovableHandle¶
在模組上註冊一個反向傳播鉤子。
此函式已棄用，建議使用
register_full_backward_hook()，並且此函式在未來版本中的行為將發生變化。- 返回:
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別:
torch.utils.hooks.RemovableHandle
- register_buffer(name: str, tensor: Optional[Tensor], persistent: bool = True) None¶
向模組新增一個緩衝區。
這通常用於註冊不應被視為模型引數的緩衝區。例如，BatchNorm 的
running_mean不是引數，但它是模組狀態的一部分。緩衝區預設是持久的，將與引數一起儲存。透過將persistent設定為False可以改變這種行為。持久緩衝區和非持久緩衝區之間的唯一區別是後者不會成為此模組state_dict的一部分。可以使用給定名稱作為屬性訪問緩衝區。
- 引數:
name (str) – buffer 的名稱。可以使用給定的名稱從此模組訪問 buffer
tensor (Tensor 或 None) – 要註冊的緩衝區。如果為
None，則對緩衝區執行的操作（如cuda）將被忽略。如果為None，則緩衝區 **不** 包含在此模組的state_dict中。persistent (bool) – 緩衝區是否是此模組
state_dict的一部分。
示例
>>> # xdoctest: +SKIP("undefined vars") >>> self.register_buffer('running_mean', torch.zeros(num_features))
- register_collector(collector: DataCollectorBase)¶
將 collector 註冊到 environment。
- 引數:
collector (DataCollectorBase) – 要註冊的 collector。
- register_forward_hook(hook: Union[Callable[[T, tuple[Any, ...], Any], Optional[Any]], Callable[[T, tuple[Any, ...], dict[str, Any], Any], Optional[Any]]], *, prepend: bool = False, with_kwargs: bool = False, always_call: bool = False) RemovableHandle¶
在模組上註冊一個前向鉤子。
鉤子將在每次
forward()計算完輸出後被呼叫。如果
with_kwargs為False或未指定，則輸入僅包含傳遞給模組的位置引數。關鍵字引數不會傳遞給鉤子，而只會傳遞給forward。鉤子可以修改輸出。它可以就地修改輸入，但這不會影響 forward，因為這是在呼叫forward()之後呼叫的。鉤子應具有以下簽名hook(module, args, output) -> None or modified output
如果
with_kwargs為True，則前向鉤子將接收傳遞給 forward 函式的kwargs，並需要返回可能已修改的輸出。鉤子應該具有以下簽名hook(module, args, kwargs, output) -> None or modified output
- 引數:
hook (Callable) – 使用者定義的待註冊鉤子。
prepend (bool) – 如果為
True，則提供的hook將在模組上所有現有的forward鉤子之前觸發。否則，提供的hook將在模組上所有現有的forward鉤子之後觸發。請注意，使用register_module_forward_hook()註冊的全域性forward鉤子將在透過此方法註冊的所有鉤子之前觸發。預設為False。with_kwargs (bool) – 如果為
True，則hook將接收傳遞給 forward 函式的 kwargs。預設為False。always_call (bool) – 如果為
True，則無論在呼叫 Module 時是否引發異常，都會執行hook。預設為False。
- 返回:
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別:
torch.utils.hooks.RemovableHandle
- register_forward_pre_hook(hook: Union[Callable[[T, tuple[Any, ...]], Optional[Any]], Callable[[T, tuple[Any, ...]], dict[str, Any]], Optional[tuple[Any, dict[str, Any]]]], *, prepend: bool = False, with_kwargs: bool = False) RemovableHandle¶
在模組上註冊一個前向預鉤子。
鉤子將在每次呼叫
forward()之前被呼叫。如果
with_kwargs為 false 或未指定，則輸入僅包含傳遞給模組的位置引數。關鍵字引數不會傳遞給鉤子，而只會傳遞給forward。鉤子可以修改輸入。使用者可以返回一個元組或單個修改後的值。我們將把值包裝成一個元組，如果返回的是單個值（除非該值本身就是元組）。鉤子應該具有以下簽名hook(module, args) -> None or modified input
如果
with_kwargs為 true，則前向預鉤子將接收傳遞給 forward 函式的 kwargs。如果鉤子修改了輸入，則應該返回 args 和 kwargs。鉤子應該具有以下簽名hook(module, args, kwargs) -> None or a tuple of modified input and kwargs
- 引數:
hook (Callable) – 使用者定義的待註冊鉤子。
prepend (bool) – 如果為 true，則提供的
hook將在模組上所有現有的forward_pre鉤子之前觸發。否則，提供的hook將在模組上所有現有的forward_pre鉤子之後觸發。請注意，使用register_module_forward_pre_hook()註冊的全域性forward_pre鉤子將在透過此方法註冊的所有鉤子之前觸發。預設為False。with_kwargs (bool) – 如果為
True，則hook將接收傳遞給 forward 函式的 kwargs。預設為False。
- 返回:
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別:
torch.utils.hooks.RemovableHandle
- register_full_backward_hook(hook: Callable[[Module, Union[tuple[torch.Tensor, ...], Tensor]], Union[tuple[torch.Tensor, ...], Tensor]], prepend: bool = False) RemovableHandle¶
在模組上註冊一個反向傳播鉤子。
每次計算相對於模組的梯度時，將呼叫此鉤子，其觸發規則如下：
通常，鉤子在計算相對於模組輸入的梯度時觸發。
如果模組輸入都不需要梯度，則在計算相對於模組輸出的梯度時觸發鉤子。
如果模組輸出都不需要梯度，則鉤子將不觸發。
鉤子應具有以下簽名
hook(module, grad_input, grad_output) -> tuple(Tensor) or None
grad_input和grad_output是包含關於輸入和輸出的梯度的元組。鉤子不應修改其引數，但可以根據需要返回一個關於輸入的新的梯度，該梯度將用於替換後續計算中的grad_input。grad_input只對應於作為位置引數傳遞的輸入，所有關鍵字引數都將被忽略。對於所有非 Tensor 引數，grad_input和grad_output中的條目將為None。由於技術原因，當此鉤子應用於模組時，其前向函式將接收傳遞給模組的每個張量的檢視。類似地，呼叫者將接收模組前向函式返回的每個張量的檢視。
警告
使用反向傳播鉤子時不允許就地修改輸入或輸出，否則將引發錯誤。
- 引數:
hook (Callable) – 要註冊的使用者定義鉤子。
prepend (bool) – 如果為 true，則提供的
hook將在模組上所有現有的backward鉤子之前觸發。否則，提供的hook將在模組上所有現有的backward鉤子之後觸發。請注意，使用register_module_full_backward_hook()註冊的全域性backward鉤子將在透過此方法註冊的所有鉤子之前觸發。
- 返回:
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別:
torch.utils.hooks.RemovableHandle
- register_full_backward_pre_hook(hook: Callable[[Module, Union[tuple[torch.Tensor, ...], Tensor]], Union[None, tuple[torch.Tensor, ...], Tensor]], prepend: bool = False) RemovableHandle¶
在模組上註冊一個反向預鉤子。
每次計算模組的梯度時，將呼叫此鉤子。鉤子應具有以下簽名
hook(module, grad_output) -> tuple[Tensor] or None
grad_output是一個元組。鉤子不應修改其引數，但可以選擇返回一個新的輸出梯度，該梯度將取代grad_output用於後續計算。對於所有非 Tensor 引數，grad_output中的條目將為None。由於技術原因，當此鉤子應用於模組時，其前向函式將接收傳遞給模組的每個張量的檢視。類似地，呼叫者將接收模組前向函式返回的每個張量的檢視。
警告
使用反向傳播鉤子時不允許就地修改輸入，否則將引發錯誤。
- 引數:
hook (Callable) – 要註冊的使用者定義鉤子。
prepend (bool) – 如果為 true，則提供的
hook將在模組上所有現有的backward_pre鉤子之前觸發。否則，提供的hook將在模組上所有現有的backward_pre鉤子之後觸發。請注意，使用register_module_full_backward_pre_hook()註冊的全域性backward_pre鉤子將在透過此方法註冊的所有鉤子之前觸發。
- 返回:
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別:
torch.utils.hooks.RemovableHandle
- classmethod register_gym(id: str, *, entry_point: Callable | None = None, transform: Transform | None = None, info_keys: list[NestedKey] | None = None, backend: str = None, to_numpy: bool = False, reward_threshold: float | None = None, nondeterministic: bool = False, max_episode_steps: int | None = None, order_enforce: bool = True, autoreset: bool | None = None, disable_env_checker: bool = False, apply_api_compatibility: bool = False, **kwargs)¶
註冊一個 gym(nasium) 環境。
此方法的設計考慮了以下範圍：
將 TorchRL-first 環境納入使用 Gym 的框架；
將其他環境（例如 DeepMind Control、Brax、Jumanji 等）納入使用 Gym 的框架。
- 引數:
id (str) – 環境的名稱。應遵循 gym 命名約定。
- 關鍵字引數:
entry_point (callable, optional) –
用於構建環境的入口點。如果未傳入，則父類將用作入口點。通常，這用於註冊不一定繼承自正在使用的基類的環境。
>>> from torchrl.envs import DMControlEnv >>> DMControlEnv.register_gym("DMC-cheetah-v0", env_name="cheetah", task="run") >>> # equivalently >>> EnvBase.register_gym("DMC-cheetah-v0", entry_point=DMControlEnv, env_name="cheetah", task="run")
transform (torchrl.envs.Transform) – 要與 env 一起使用的變換（或
torchrl.envs.Compose例項內的變換列表）。此引數可以在呼叫make()時傳遞（請參閱下面的示例）。info_keys (List[NestedKey], optional) –
如果提供了
info_keys，它們將用於構建 info 字典，並將從 observation keys 中排除。此引數可以在呼叫make()時傳遞（請參閱下面的示例）。警告
使用
info_keys可能會導致 spec 為空，因為內容已被移至 info 字典。Gym 不喜歡 spec 中為空的Dict，因此應使用RemoveEmptySpecs移除此空內容。backend (str, optional) – 後端。可以是 “gym” 或 “gymnasium” 或與
set_gym_backend相容的任何其他後端。to_numpy (bool, optional) – 如果為
True，則呼叫 step 和 reset 的結果將對映到 numpy 陣列。預設為False（結果為 tensor）。此引數可以在呼叫make()時傳遞（請參閱下面的示例）。reward_threshold (
float, optional) – [Gym kwarg] 學習環境時考慮的獎勵閾值。nondeterministic (bool, optional) – [Gym kwarg] 如果環境是不確定的（即使已知初始種子和所有操作）。預設為
False。max_episode_steps (int, optional) – [Gym kwarg] 截斷之前的最大單集步數。由 Time Limit 包裝器使用。
order_enforce (bool, optional) – [Gym >= 0.14] 是否應用 order enforcer wrapper 以確保使用者按正確順序執行函式。預設為
True。autoreset (bool, optional) – [Gym >= 0.14 and <1.0.0] 是否新增 autoreset wrapper，以便不需要呼叫 reset。預設為
False。disable_env_checker – [Gym >= 0.14] 是否停用環境的環境檢查器。預設為
False。apply_api_compatibility – [Gym >= 0.26 and <1.0.0] 是否應用 StepAPICompatibility 包裝器。預設為
False。**kwargs – 傳遞給環境建構函式的任意關鍵字引數。
注意
TorchRL 的環境沒有
"info"字典的概念，因為TensorDict提供了大多數訓練設定所需的所有儲存要求。儘管如此，您可以使用info_keys引數來精細控制哪些內容被視為 observation，哪些被視為 info。示例
>>> # Register the "cheetah" env from DMControl with the "run" task >>> from torchrl.envs import DMControlEnv >>> import torch >>> DMControlEnv.register_gym("DMC-cheetah-v0", to_numpy=False, backend="gym", env_name="cheetah", task_name="run") >>> import gym >>> envgym = gym.make("DMC-cheetah-v0") >>> envgym.seed(0) >>> torch.manual_seed(0) >>> envgym.reset() ({'position': tensor([-0.0855, 0.0215, -0.0881, -0.0412, -0.1101, 0.0080, 0.0254, 0.0424], dtype=torch.float64), 'velocity': tensor([ 1.9609e-02, -1.9776e-04, -1.6347e-03, 3.3842e-02, 2.5338e-02, 3.3064e-02, 1.0381e-04, 7.6656e-05, 1.0204e-02], dtype=torch.float64)}, {}) >>> envgym.step(envgym.action_space.sample()) ({'position': tensor([-0.0833, 0.0275, -0.0612, -0.0770, -0.1256, 0.0082, 0.0186, 0.0476], dtype=torch.float64), 'velocity': tensor([ 0.2221, 0.2256, 0.5930, 2.6937, -3.5865, -1.5479, 0.0187, -0.6825, 0.5224], dtype=torch.float64)}, tensor([0.0018], dtype=torch.float64), tensor([False]), tensor([False]), {}) >>> # same environment with observation stacked >>> from torchrl.envs import CatTensors >>> envgym = gym.make("DMC-cheetah-v0", transform=CatTensors(in_keys=["position", "velocity"], out_key="observation")) >>> envgym.reset() ({'observation': tensor([-0.1005, 0.0335, -0.0268, 0.0133, -0.0627, 0.0074, -0.0488, -0.0353, -0.0075, -0.0069, 0.0098, -0.0058, 0.0033, -0.0157, -0.0004, -0.0381, -0.0452], dtype=torch.float64)}, {}) >>> # same environment with numpy observations >>> envgym = gym.make("DMC-cheetah-v0", transform=CatTensors(in_keys=["position", "velocity"], out_key="observation"), to_numpy=True) >>> envgym.reset() ({'observation': array([-0.11355747, 0.04257728, 0.00408397, 0.04155852, -0.0389733 , -0.01409826, -0.0978704 , -0.08808327, 0.03970837, 0.00535434, -0.02353762, 0.05116226, 0.02788907, 0.06848346, 0.05154399, 0.0371798 , 0.05128025])}, {}) >>> # If gymnasium is installed, we can register the environment there too. >>> DMControlEnv.register_gym("DMC-cheetah-v0", to_numpy=False, backend="gymnasium", env_name="cheetah", task_name="run") >>> import gymnasium >>> envgym = gymnasium.make("DMC-cheetah-v0") >>> envgym.seed(0) >>> torch.manual_seed(0) >>> envgym.reset() ({'position': tensor([-0.0855, 0.0215, -0.0881, -0.0412, -0.1101, 0.0080, 0.0254, 0.0424], dtype=torch.float64), 'velocity': tensor([ 1.9609e-02, -1.9776e-04, -1.6347e-03, 3.3842e-02, 2.5338e-02, 3.3064e-02, 1.0381e-04, 7.6656e-05, 1.0204e-02], dtype=torch.float64)}, {})
注意
此功能也適用於無狀態環境（例如
BraxEnv）。>>> import gymnasium >>> import torch >>> from tensordict import TensorDict >>> from torchrl.envs import BraxEnv, SelectTransform >>> >>> # get action for dydactic purposes >>> env = BraxEnv("ant", batch_size=[2]) >>> env.set_seed(0) >>> torch.manual_seed(0) >>> td = env.rollout(10) >>> >>> actions = td.get("action") >>> >>> # register env >>> env.register_gym("Brax-Ant-v0", env_name="ant", batch_size=[2], info_keys=["state"]) >>> gym_env = gymnasium.make("Brax-Ant-v0") >>> gym_env.seed(0) >>> torch.manual_seed(0) >>> >>> gym_env.reset() >>> obs = [] >>> for i in range(10): ... obs, reward, terminated, truncated, info = gym_env.step(td[..., i].get("action"))
- register_load_state_dict_post_hook(hook)¶
註冊一個後鉤子，用於在模組的
load_state_dict()被呼叫後執行。- 它應該具有以下簽名：
hook(module, incompatible_keys) -> None
module引數是當前註冊此鉤子的模組，incompatible_keys引數是包含missing_keys和unexpected_keys屬性的NamedTuple。missing_keys是一個包含缺失鍵的str列表，unexpected_keys是一個包含意外部索引鍵的str列表。如果需要，可以就地修改給定的 incompatible_keys。
請注意，當使用
strict=True呼叫load_state_dict()時執行的檢查會受到鉤子對missing_keys或unexpected_keys所作修改的影響，正如預期。向任一鍵集新增條目將在strict=True時導致錯誤，而清除缺失和意外部索引鍵將避免錯誤。- 返回:
一個控制代碼，可用於透過呼叫
handle.remove()來移除新增的鉤子- 返回型別:
torch.utils.hooks.RemovableHandle
- register_load_state_dict_pre_hook(hook)¶
註冊一個預鉤子，用於在模組的
load_state_dict()被呼叫之前執行。- 它應該具有以下簽名：
hook(module, state_dict, prefix, local_metadata, strict, missing_keys, unexpected_keys, error_msgs) -> None # noqa: B950
- 引數:
hook (Callable) – 在載入狀態字典之前將呼叫的可呼叫鉤子。
- register_module(name: str, module: Optional[Module]) None¶
add_module()的別名。
- register_parameter(name: str, param: Optional[Parameter]) None¶
向模組新增一個引數。
可以使用給定名稱作為屬性訪問該引數。
- 引數:
name (str) – 引數的名稱。可以透過給定名稱從該模組訪問該引數。
param (Parameter 或 None) – 要新增到模組的引數。如果為
None，則會忽略對引數的操作，例如cuda。如果為None，則該引數 **不會** 包含在模組的state_dict中。
- register_state_dict_post_hook(hook)¶
註冊
state_dict()方法的後置鉤子。- 它應該具有以下簽名：
hook(module, state_dict, prefix, local_metadata) -> None
註冊的鉤子可以就地修改
state_dict。
- register_state_dict_pre_hook(hook)¶
註冊
state_dict()方法的前置鉤子。- 它應該具有以下簽名：
hook(module, prefix, keep_vars) -> None
註冊的鉤子可用於在進行
state_dict呼叫之前執行預處理。
- requires_grad_(requires_grad: bool = True) Self¶
更改自動梯度是否應記錄此模組中引數的操作。
此方法就地設定引數的
requires_grad屬性。此方法有助於凍結模組的一部分以進行微調或單獨訓練模型的一部分（例如，GAN 訓練）。
請參閱 本地停用梯度計算 以比較 .requires_grad_() 和幾種可能與之混淆的類似機制。
- 引數:
requires_grad (bool) – 自動求導是否應記錄此模組上的引數操作。預設為
True。- 返回:
self
- 返回型別:
模組
- reset(tensordict: TensorDictBase | None = None, **kwargs) TensorDictBase¶
重置環境。
與 step 和 _step 一樣，只有私有方法
_reset應該被 EnvBase 子類覆蓋。- 引數:
tensordict (TensorDictBase, optional) – 用於包含新 observation 的 tensordict。在某些情況下，此輸入還可用於向 reset 函式傳遞引數。
kwargs (optional) – 傳遞給原生 reset 函式的其他引數。
- 返回:
一個 tensordict（或任何輸入的 tensordict），原地修改以包含相應的 observation。
注意
reset 不應被
EnvBase子類覆蓋。應修改的方法是_reset()。
- property reset_keys: list[tensordict._nestedkey.NestedKey]¶
返回重置鍵列表。
Reset keys 是指示部分重置的鍵，用於批次、多工或多代理設定。它們的結構是
(*prefix, "_reset")，其中prefix是一個（可能為空的）字串元組，指向 tensordict 中的一個位置，在該位置可以找到 done 狀態。鍵按資料樹的深度排序。
- property reward_key¶
環境的獎勵鍵。
預設情況下，這將是“reward”。
如果環境中存在多個獎勵鍵，此函式將引發異常。
- property reward_keys: list[tensordict._nestedkey.NestedKey]¶
環境的獎勵鍵。
預設情況下，只有一個鍵，名為“reward”。
鍵按資料樹的深度排序。
- property reward_spec: TensorSpec¶
rewardspec。reward_spec始終儲存為複合 spec。如果 reward spec 作為簡單 spec 提供，則返回該 spec。
>>> env.reward_spec = Unbounded(1) >>> env.reward_spec UnboundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous)
如果 reward spec 作為複合 spec 提供並且僅包含一個葉子，則此函式將僅返回該葉子。
>>> env.reward_spec = Composite({"nested": {"reward": Unbounded(1)}}) >>> env.reward_spec UnboundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous)
如果 reward spec 作為複合 spec 提供並且具有多個葉子，則此函式將返回整個 spec。
>>> env.reward_spec = Composite({"nested": {"reward": Unbounded(1), "another_reward": Categorical(1)}}) >>> env.reward_spec Composite( nested: Composite( reward: UnboundedContinuous( shape=torch.Size([1]), space=ContinuousBox( low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)), device=cpu, dtype=torch.float32, domain=continuous), another_reward: Categorical( shape=torch.Size([]), space=DiscreteBox(n=1), device=cpu, dtype=torch.int64, domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
要檢索傳遞的完整 spec，請使用
>>> env.output_spec["full_reward_spec"]
此屬性是可變的。
示例
>>> from torchrl.envs.libs.gym import GymEnv >>> env = GymEnv("Pendulum-v1") >>> env.reward_spec UnboundedContinuous( shape=torch.Size([1]), space=None, device=cpu, dtype=torch.float32, domain=continuous)
- property reward_spec_unbatched: TensorSpec¶
返回環境的 reward 規範，就好像它沒有批處理維度一樣。
- rollout(max_steps: int, policy: Callable[[TensorDictBase], TensorDictBase] | None = None, callback: Callable[[TensorDictBase, ...], Any] | None = None, *, auto_reset: bool = True, auto_cast_to_device: bool = False, break_when_any_done: bool | None = None, break_when_all_done: bool | None = None, return_contiguous: bool | None = False, tensordict: TensorDictBase | None = None, set_truncated: bool = False, out=None, trust_policy: bool = False) TensorDictBase¶
在環境中執行 rollout。
只要其中任何一個環境達到任何一個完成狀態，該函式就會返回。
- 引數:
max_steps (int) – 要執行的最大步數。實際步數可能較少，如果環境在 max_steps 執行完畢之前達到完成狀態。
policy (callable, optional) – 用於計算所需動作的可呼叫函式。如果未提供策略，將使用
env.rand_step()呼叫動作。該策略可以是任何讀取 tensordict 或所有觀察條目的序列的可呼叫函式，這些條目 **按**env.observation_spec.keys()的順序排序。預設為 None。callback (Callable[[TensorDict], Any], optional) – 在每次迭代時使用給定的 TensorDict 呼叫該函式。預設為
None。callback 的輸出不會被收集，使用者有責任在 callback 呼叫中儲存任何資料，以便資料能在呼叫rollout之外保留。
- 關鍵字引數:
auto_reset (bool, optional) – 如果為
True，則將在開始 rollout 之前重置包含的環境。如果為False，則 rollout 將從先前狀態繼續，這需要tensordict引數與先前 rollout 一起傳遞。預設為True。auto_cast_to_device (bool, optional) – 如果為
True，則 tensordict 的裝置將在使用策略之前自動轉換為策略的裝置。預設為False。break_when_any_done (bool) –
如果為
True，則當任何包含的環境達到任何 done 狀態時停止。如果為False，則 done 的環境會自動重置。預設為True。另請參閱
文件的 部分重置 提供了更多關於部分重置的資訊。
break_when_all_done (bool, optional) –
如果為
True，則在所有包含的環境都達到任何 done 狀態時停止。如果為False，則在至少一個環境達到任何 done 狀態時停止。預設為False。另請參閱
文件的 部分步進 提供了更多關於部分重置的資訊。
return_contiguous (bool) – If
False， 將返回一個 LazyStackedTensorDict。如果環境沒有動態規範，則預設為 True，否則為False。tensordict (TensorDict, optional) – 如果
auto_reset為 False，則必須提供初始 tensordict。Rollout 將檢查此 tensordict 是否具有 done 標誌，並在必要時重置該維度中的環境。如果tensordict是 reset 的輸出，這通常不應該發生，但如果tensordict是前一個 rollout 的最後一步，則可能會發生。當auto_reset=True時，也可以提供tensordict，以便將元資料傳遞給reset方法，例如批次大小或無狀態環境的裝置。set_truncated (bool, optional) – 如果為
True，則在 rollout 完成後，將"truncated"和"done"鍵設定為True。如果在done_spec中未找到"truncated"，則會引發異常。截斷鍵可以透過env.add_truncated_keys設定。預設為False。trust_policy (bool, optional) – 如果為
True，則將信任非 TensorDictModule 策略，並假定其與收集器相容。對於 CudaGraphModules，這預設為True，否則為False。
- 返回:
包含結果軌跡的 TensorDict 物件。
返回的資料將在 tensordict 的最後一個維度（在
env.ndim索引處）用“time”維度名稱進行標記。rollout對於顯示環境的資料結構非常有幫助。示例
>>> # Using rollout without a policy >>> from torchrl.envs.libs.gym import GymEnv >>> from torchrl.envs.transforms import TransformedEnv, StepCounter >>> env = TransformedEnv(GymEnv("Pendulum-v1"), StepCounter(max_steps=20)) >>> rollout = env.rollout(max_steps=1000) >>> print(rollout) TensorDict( fields={ action: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.float32, is_shared=False), done: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict( fields={ done: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([20, 3]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.float32, is_shared=False), step_count: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.int64, is_shared=False), truncated: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([20]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([20, 3]), device=cpu, dtype=torch.float32, is_shared=False), step_count: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.int64, is_shared=False), truncated: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([20]), device=cpu, is_shared=False) >>> print(rollout.names) ['time'] >>> # with envs that contain more dimensions >>> from torchrl.envs import SerialEnv >>> env = SerialEnv(3, lambda: TransformedEnv(GymEnv("Pendulum-v1"), StepCounter(max_steps=20))) >>> rollout = env.rollout(max_steps=1000) >>> print(rollout) TensorDict( fields={ action: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.float32, is_shared=False), done: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict( fields={ done: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([3, 20, 3]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.float32, is_shared=False), step_count: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.int64, is_shared=False), truncated: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([3, 20]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([3, 20, 3]), device=cpu, dtype=torch.float32, is_shared=False), step_count: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.int64, is_shared=False), truncated: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([3, 20]), device=cpu, is_shared=False) >>> print(rollout.names) [None, 'time']
使用策略（普通的
Module或TensorDictModule）也很容易。示例
>>> from torch import nn >>> env = GymEnv("CartPole-v1", categorical_action_encoding=True) >>> class ArgMaxModule(nn.Module): ... def forward(self, values): ... return values.argmax(-1) >>> n_obs = env.observation_spec["observation"].shape[-1] >>> n_act = env.action_spec.n >>> # A deterministic policy >>> policy = nn.Sequential( ... nn.Linear(n_obs, n_act), ... ArgMaxModule()) >>> env.rollout(max_steps=10, policy=policy) TensorDict( fields={ action: Tensor(shape=torch.Size([10]), device=cpu, dtype=torch.int64, is_shared=False), done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict( fields={ done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float32, is_shared=False), terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([10]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False), terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([10]), device=cpu, is_shared=False) >>> # Under the hood, rollout will wrap the policy in a TensorDictModule >>> # To speed things up we can do that ourselves >>> from tensordict.nn import TensorDictModule >>> policy = TensorDictModule(policy, in_keys=list(env.observation_spec.keys()), out_keys=["action"]) >>> env.rollout(max_steps=10, policy=policy) TensorDict( fields={ action: Tensor(shape=torch.Size([10]), device=cpu, dtype=torch.int64, is_shared=False), done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict( fields={ done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float32, is_shared=False), terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([10]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False), terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([10]), device=cpu, is_shared=False)
在某些情況下，無法獲得連續的 tensordict，因為它們無法堆疊。當每步返回的資料可能具有不同的形狀，或者當不同環境一起執行時，可能會發生這種情況。在這種情況下，
return_contiguous=False將導致返回的 tensordict 成為 tensordict 的惰性堆疊。- 非連續 rollout 的示例
>>> rollout = env.rollout(4, return_contiguous=False) >>> print(rollout) LazyStackedTensorDict( fields={ action: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.float32, is_shared=False), done: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: LazyStackedTensorDict( fields={ done: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([3, 4, 3]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.float32, is_shared=False), step_count: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.int64, is_shared=False), truncated: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([3, 4]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([3, 4, 3]), device=cpu, dtype=torch.float32, is_shared=False), step_count: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.int64, is_shared=False), truncated: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([3, 4]), device=cpu, is_shared=False) >>> print(rollout.names) [None, 'time']
Rollout 可以在迴圈中使用以模擬資料收集。要做到這一點，您需要將上一個 rollout 的最後一個 tensordict 作為輸入，並在其上呼叫
step_mdp()。- 資料收集 rollout 的示例
>>> from torchrl.envs import GymEnv, step_mdp >>> env = GymEnv("CartPole-v1") >>> epochs = 10 >>> input_td = env.reset() >>> for i in range(epochs): ... rollout_td = env.rollout( ... max_steps=100, ... break_when_any_done=False, ... auto_reset=False, ... tensordict=input_td, ... ) ... input_td = step_mdp( ... rollout_td[..., -1], ... )
- set_extra_state(state: Any) None¶
設定載入的 state_dict 中包含的額外狀態。
此函式由
load_state_dict()呼叫，用於處理state_dict中的任何額外狀態。如果您的模組需要將額外狀態儲存在其state_dict中，請實現此函式以及對應的get_extra_state()。- 引數:
state (dict) – 來自 state_dict 的額外狀態
- set_info_dict_reader(info_dict_reader: BaseInfoDictReader | None = None, ignore_private: bool = True) GymLikeEnv[source]¶
設定一個 info_dict_reader 函式。
此函式應接收一個 info_dict 字典和一個由 step 函式返回的 tensordict 作為輸入，並以 ad-hoc 的方式將值從一個寫入另一個。
- 引數:
info_dict_reader (Callable[[Dict], TensorDict], optional) – 一個接收輸入字典和輸出 tensordict 作為引數的可呼叫物件。此函式應就地修改 tensordict。如果未提供，將使用
default_info_dict_reader。ignore_private (bool, optional) – 如果為
True，則會忽略私有資訊（以下劃線開頭）。預設為True。
返回: 相同的環境，帶有已註冊的 dict_reader。
注意
應透過
auto_register_info_dict()自動註冊 info_dict 讀取器，這將確保 env spec 被正確構建。示例
>>> from torchrl.envs import default_info_dict_reader >>> from torchrl.envs.libs.gym import GymWrapper >>> reader = default_info_dict_reader(["my_info_key"]) >>> # assuming "some_env-v0" returns a dict with a key "my_info_key" >>> env = GymWrapper(gym.make("some_env-v0")).set_info_dict_reader(info_dict_reader=reader) >>> tensordict = env.reset() >>> tensordict = env.rand_step(tensordict) >>> assert "my_info_key" in tensordict.keys()
- set_seed(seed: int | None = None, static_seed: bool = False) int | None¶
設定環境的種子，並返回要使用的下一個種子（如果存在單個環境，則為輸入種子）。
- 引數:
seed (int) – 要設定的種子。種子僅在環境中本地設定。要處理全域性種子，請參閱
manual_seed()。static_seed (bool, optional) – 如果
True，種子不會遞增。預設為 False
- 返回:
即，如果同時建立此環境，則應為另一個環境使用的種子。
- 返回型別:
代表“下一個種子”的整數
- set_spec_lock_(mode: bool = True) EnvBase¶
鎖定或解鎖環境的規範。
- 引數:
mode (bool) – 是否鎖定（True）或解鎖（False）規範。預設為 True。
- 返回:
環境例項本身。
- 返回型別:
另請參閱
- set_submodule(target: str, module: Module, strict: bool = False) None¶
如果存在，設定由
target給定的子模組，否則丟擲錯誤。注意
如果
strict設定為False（預設），該方法將替換現有子模組或在父模組存在的情況下建立新子模組。如果strict設定為True，該方法將僅嘗試替換現有子模組，並在子模組不存在時引發錯誤。例如，假設您有一個
nn.ModuleA，它看起來像這樣A( (net_b): Module( (net_c): Module( (conv): Conv2d(3, 3, 3) ) (linear): Linear(3, 3) ) )(圖示了一個
nn.ModuleA。A包含一個巢狀子模組net_b，該子模組本身有兩個子模組net_c和linear。net_c隨後又有一個子模組conv。)要用一個新的
Linear子模組覆蓋Conv2d，可以呼叫set_submodule("net_b.net_c.conv", nn.Linear(1, 1))，其中strict可以是True或False。要將一個新的
Conv2d子模組新增到現有的net_b模組中，可以呼叫set_submodule("net_b.conv", nn.Conv2d(1, 1, 1))。在上面，如果設定
strict=True並呼叫set_submodule("net_b.conv", nn.Conv2d(1, 1, 1), strict=True)，則會引發 AttributeError，因為net_b中不存在名為conv的子模組。- 引數:
target – 要查詢的子模組的完全限定字串名稱。（要指定完全限定字串，請參閱上面的示例。）
module – 要設定子模組的物件。
strict – 如果為
False，該方法將替換現有子模組或建立新子模組（如果父模組存在）。如果為True，則該方法只會嘗試替換現有子模組，如果子模組不存在則丟擲錯誤。
- 丟擲:
ValueError – 如果
target字串為空或module不是nn.Module的例項。AttributeError – 如果
target字串路徑中的任何一點解析為一個不存在的屬性名或不是nn.Module例項的物件。
- property shape¶
等同於
batch_size。
- state_dict(*args, destination=None, prefix='', keep_vars=False)¶
返回一個字典，其中包含對模組整個狀態的引用。
引數和持久緩衝區（例如，執行平均值）都包含在內。鍵是相應的引數和緩衝區名稱。設定為
None的引數和緩衝區不包含在內。注意
返回的物件是淺複製。它包含對模組引數和緩衝區的引用。
警告
當前
state_dict()還接受destination、prefix和keep_vars的位置引數，順序為。但是，這正在被棄用，並且在未來的版本中將強制使用關鍵字引數。警告
請避免使用引數
destination，因為它不是為終端使用者設計的。- 引數:
destination (dict, optional) – 如果提供，模組的狀態將更新到 dict 中，並返回相同的物件。否則，將建立一個
OrderedDict並返回。預設為None。prefix (str, optional) – a prefix added to parameter and buffer names to compose the keys in state_dict. Default:
''。keep_vars (bool, optional) – 預設情況下，state dict 中返回的
Tensors 會從 autograd 中分離。如果設定為True，則不會執行分離。預設為False。
- 返回:
包含模組整體狀態的字典
- 返回型別:
dict
示例
>>> # xdoctest: +SKIP("undefined vars") >>> module.state_dict().keys() ['bias', 'weight']
- property state_keys: list[tensordict._nestedkey.NestedKey]¶
環境的狀態鍵。
預設情況下，只有一個名為“state”的鍵。
鍵按資料樹的深度排序。
- property state_spec: Composite¶
狀態規範。
必須是
torchrl.data.Composite例項。此處列出的鍵應與操作一起作為輸入提供給環境。在 TorchRL 中，即使它們不是嚴格意義上的“狀態”，所有不是動作的環境輸入都儲存在
state_spec中。因此，
"state_spec"應被視為非動作資料的通用環境輸入資料容器。示例
>>> from torchrl.envs import BraxEnv >>> for envname in BraxEnv.available_envs: ... break >>> env = BraxEnv(envname) >>> env.state_spec Composite( state: Composite( pipeline_state: Composite( q: UnboundedContinuous( shape=torch.Size([15]), space=None, device=cpu, dtype=torch.float32, domain=continuous), [...], device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))
- property state_spec_unbatched: TensorSpec¶
返回環境的 state 規範，就好像它沒有批處理維度一樣。
- step(tensordict: TensorDictBase) TensorDictBase¶
在環境中執行一步。
Step 接受一個引數 tensordict，它通常包含一個‘action’鍵，表示要執行的操作。Step 將呼叫一個非原地私有方法 _step，這是 EnvBase 子類需要重寫的方法。
- 引數:
tensordict (TensorDictBase) – 包含要執行的操作的 tensordict。如果輸入 tensordict 包含
"next"條目，則其中包含的值將優先於新計算的值。這提供了一種覆蓋底層計算的機制。- 返回:
輸入 tensordict，原地修改，包含結果觀察、完成狀態和獎勵（+其他如有需要）。
- step_and_maybe_reset(tensordict: TensorDictBase) tuple[tensordict.base.TensorDictBase, tensordict.base.TensorDictBase]¶
在環境中執行一步，並在需要時（部分）重置它。
- 引數:
tensordict (TensorDictBase) – an input data structure for the
step()method。
此方法允許輕鬆編寫非停止的 rollout 函式。
示例
>>> from torchrl.envs import ParallelEnv, GymEnv >>> def rollout(env, n): ... data_ = env.reset() ... result = [] ... for i in range(n): ... data, data_ = env.step_and_maybe_reset(data_) ... result.append(data) ... return torch.stack(result) >>> env = ParallelEnv(2, lambda: GymEnv("CartPole-v1")) >>> print(rollout(env, 2)) TensorDict( fields={ done: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict( fields={ done: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([2, 2, 4]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.float32, is_shared=False), terminated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([2, 2]), device=cpu, is_shared=False), observation: Tensor(shape=torch.Size([2, 2, 4]), device=cpu, dtype=torch.float32, is_shared=False), terminated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False), truncated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False)}, batch_size=torch.Size([2, 2]), device=cpu, is_shared=False)
- step_mdp(next_tensordict: TensorDictBase) TensorDictBase¶
使用提供的 next_tensordict 將環境狀態推進一步。
此方法透過從當前狀態轉換到 next_tensordict 定義的下一個狀態來更新環境狀態。生成的 tensordict 包含更新後的觀測以及任何其他相關狀態資訊，鍵的管理遵迴圈境的規範。
內部，此方法利用預先計算的
_StepMDP例項來高效處理狀態、觀測、動作、獎勵和完成（done）鍵的轉換。_StepMDP類透過預先計算要包含和排除的鍵來最佳化過程，從而減少重複呼叫期間的執行時開銷。_StepMDP例項使用 exclude_action=False 建立，這意味著動作鍵將保留在根 tensordict 中。- 引數:
next_tensordict (TensorDictBase) – A tensordict containing the state of the environment at the next time step. This tensordict should include keys for observations, actions, rewards, and done flags, as defined by the environment’s specifications. – 包含下一時間步環境狀態的 tensordict。此 tensordict 應包含根據環境規範定義的觀測、動作、獎勵和完成（done）標誌的鍵。
- 返回:
一個代表環境狀態推進一步後的新 tensordict。
- 返回型別:
TensorDictBase
注意
該方法確保環境的鍵規範已針對提供的 next_tensordict 進行驗證，如果發現不匹配，則會發出警告。
注意
此方法旨在與具有一致鍵規範的環境高效工作，並利用 _StepMDP 類來最小化開銷。
示例
>>> from torchrl.envs import GymEnv >>> env = GymEnv("Pendulum-1") >>> data = env.reset() >>> for i in range(10): ... # compute action ... env.rand_action(data) ... # Perform action ... next_data = env.step(reset_data) ... data = env.step_mdp(next_data)
- to(device: Union[device, str, int]) EnvBase¶
移動和/或轉換引數和緩衝區。
這可以這樣呼叫
- to(device=None, dtype=None, non_blocking=False)
- to(dtype, non_blocking=False)
- to(tensor, non_blocking=False)
- to(memory_format=torch.channels_last)
其簽名類似於
torch.Tensor.to()，但僅接受浮點或複數dtype。此外，此方法只會將浮點或複數引數和緩衝區轉換為dtype（如果已給出）。整數引數和緩衝區將移動到device（如果已給出），但 dtype 不變。當設定了non_blocking時，它會嘗試以非同步方式（相對於主機）進行轉換/移動（如果可能），例如將具有固定記憶體的 CPU Tensor 移動到 CUDA 裝置。有關示例，請參閱下文。
注意
此方法就地修改模組。
- 引數:
device (
torch.device) – the desired device of the parameters and buffers in this module – 此模組中引數和緩衝區的目標裝置。dtype (
torch.dtype) – the desired floating point or complex dtype of the parameters and buffers in this module – 此模組中引數和緩衝區的目標浮點數或複數 dtype。tensor (torch.Tensor) – Tensor whose dtype and device are the desired dtype and device for all parameters and buffers in this module – 其 dtype 和 device 是此模組中所有引數和緩衝區的目標 dtype 和 device 的 Tensor。
memory_format (
torch.memory_format) – the desired memory format for 4D parameters and buffers in this module (keyword only argument) – 此模組中 4D 引數和緩衝區的目標記憶體格式（僅關鍵字引數）。
- 返回:
self
- 返回型別:
模組
示例
>>> # xdoctest: +IGNORE_WANT("non-deterministic") >>> linear = nn.Linear(2, 2) >>> linear.weight Parameter containing: tensor([[ 0.1913, -0.3420], [-0.5113, -0.2325]]) >>> linear.to(torch.double) Linear(in_features=2, out_features=2, bias=True) >>> linear.weight Parameter containing: tensor([[ 0.1913, -0.3420], [-0.5113, -0.2325]], dtype=torch.float64) >>> # xdoctest: +REQUIRES(env:TORCH_DOCTEST_CUDA1) >>> gpu1 = torch.device("cuda:1") >>> linear.to(gpu1, dtype=torch.half, non_blocking=True) Linear(in_features=2, out_features=2, bias=True) >>> linear.weight Parameter containing: tensor([[ 0.1914, -0.3420], [-0.5112, -0.2324]], dtype=torch.float16, device='cuda:1') >>> cpu = torch.device("cpu") >>> linear.to(cpu) Linear(in_features=2, out_features=2, bias=True) >>> linear.weight Parameter containing: tensor([[ 0.1914, -0.3420], [-0.5112, -0.2324]], dtype=torch.float16) >>> linear = nn.Linear(2, 2, bias=None).to(torch.cdouble) >>> linear.weight Parameter containing: tensor([[ 0.3741+0.j, 0.2382+0.j], [ 0.5593+0.j, -0.4443+0.j]], dtype=torch.complex128) >>> linear(torch.ones(3, 2, dtype=torch.cdouble)) tensor([[0.6122+0.j, 0.1150+0.j], [0.6122+0.j, 0.1150+0.j], [0.6122+0.j, 0.1150+0.j]], dtype=torch.complex128)
- to_empty(*, device: Optional[Union[int, str, device]], recurse: bool = True) Self¶
將引數和緩衝區移動到指定裝置，而不復制儲存。
- 引數:
device (
torch.device) – The desired device of the parameters and buffers in this module. – 此模組中引數和緩衝區的目標裝置。recurse (bool) – 是否遞迴地將子模組的引數和緩衝區移動到指定裝置。
- 返回:
self
- 返回型別:
模組
- train(mode: bool = True) Self¶
將模組設定為訓練模式。
This has an effect only on certain modules. See the documentation of particular modules for details of their behaviors in training/evaluation mode, i.e., whether they are affected, e.g.
Dropout,BatchNorm, etc. – 這隻對某些模組有影響。有關其在訓練/評估模式下的行為的詳細資訊，例如它們是否受影響，請參閱特定模組的文件，例如Dropout、BatchNorm等。- 引數:
mode (bool) – whether to set training mode (
True) or evaluation mode (False). Default:True. – 設定訓練模式（True）或評估模式（False）。預設值：True。- 返回:
self
- 返回型別:
模組
- type(dst_type: Union[dtype, str]) Self¶
將所有引數和緩衝區轉換為
dst_type。注意
此方法就地修改模組。
- 引數:
dst_type (type or string) – 目標型別
- 返回:
self
- 返回型別:
模組
- xpu(device: Optional[Union[device, int]] = None) Self¶
將所有模型引數和緩衝區移動到 XPU。
這也會使關聯的引數和緩衝區成為不同的物件。因此，如果模組在最佳化時將駐留在 XPU 上，則應在構建最佳化器之前呼叫它。
注意
此方法就地修改模組。
- 引數:
device (int, optional) – 如果指定，所有引數將複製到該裝置
- 返回:
self
- 返回型別:
模組
- zero_grad(set_to_none: bool = True) None¶
重置所有模型引數的梯度。
See similar function under
torch.optim.Optimizerfor more context. – 有關更多背景資訊，請參閱torch.optim.Optimizer下的類似函式。- 引數:
set_to_none (bool) – instead of setting to zero, set the grads to None. See
torch.optim.Optimizer.zero_grad()for details. – 與其設定為零，不如將 grad 設定為 None。有關詳細資訊，請參閱torch.optim.Optimizer.zero_grad()。
