DoubleToFloat

class torchrl.envs.transforms.DoubleToFloat(in_keys: Sequence[NestedKey] | None = None, out_keys: Sequence[NestedKey] | None = None, in_keys_inv: Sequence[NestedKey] | None = None, out_keys_inv: Sequence[NestedKey] | None = None)

將一個 dtype 轉換為另一個 dtype，針對選定的鍵。

根據構造期間是否提供 in_keys 或 in_keys_inv，該類的行為將發生變化

• 如果提供了鍵，那麼只有這些鍵對應的條目將從 float64 轉換為 float32 條目；

• 如果未提供鍵，並且該物件位於變換的環境登錄檔中，則具有 float64 dtype 的輸入和輸出規範將分別用作 in_keys_inv / in_keys。

• 如果未提供鍵，並且該物件在沒有環境的情況下使用，則 forward / inverse 傳遞將掃描輸入 tensordict 中的所有 float64 值，並將它們對映到 float32 張量。對於大型資料結構，這可能會影響效能，因為這種掃描是有開銷的。要轉換的鍵將不會被快取。請注意，在這種情況下，無法傳遞 out_keys（resp. out_keys_inv），因為無法精確預測處理鍵的順序。

引數:

• in_keys (NestedKey 的序列, 可選) – 要轉換為 float 的雙精度鍵列表，在暴露給外部物件和函式之前。

• out_keys (NestedKey 的序列, 可選) – 目標鍵列表。如果未提供，則預設為 in_keys。

• in_keys_inv (NestedKey 的序列, 可選) – 要轉換為 double 的浮點鍵列表，在傳遞給包含的基礎環境或儲存之前。

• out_keys_inv (NestedKey 的序列, 可選) – 逆變換的目標鍵列表。如果未提供，則預設為 in_keys_inv。

示例

>>> td = TensorDict(
...     {'obs': torch.ones(1, dtype=torch.double),
...     'not_transformed': torch.ones(1, dtype=torch.double),
... }, [])
>>> transform = DoubleToFloat(in_keys=["obs"])
>>> _ = transform(td)
>>> print(td.get("obs").dtype)
torch.float32
>>> print(td.get("not_transformed").dtype)
torch.float64

在“自動”模式下，所有 float64 條目都會被轉換

示例

>>> td = TensorDict(
...     {'obs': torch.ones(1, dtype=torch.double),
...     'not_transformed': torch.ones(1, dtype=torch.double),
... }, [])
>>> transform = DoubleToFloat()
>>> _ = transform(td)
>>> print(td.get("obs").dtype)
torch.float32
>>> print(td.get("not_transformed").dtype)
torch.float32

當不指定變換鍵而構造環境時，也遵循相同的規則

示例

>>> class MyEnv(EnvBase):
...     def __init__(self):
...         super().__init__()
...         self.observation_spec = Composite(obs=Unbounded((), dtype=torch.float64))
...         self.action_spec = Unbounded((), dtype=torch.float64)
...         self.reward_spec = Unbounded((1,), dtype=torch.float64)
...         self.done_spec = Unbounded((1,), dtype=torch.bool)
...     def _reset(self, data=None):
...         return TensorDict({"done": torch.zeros((1,), dtype=torch.bool), **self.observation_spec.rand()}, [])
...     def _step(self, data):
...         assert data["action"].dtype == torch.float64
...         reward = self.reward_spec.rand()
...         done = torch.zeros((1,), dtype=torch.bool)
...         obs = self.observation_spec.rand()
...         assert reward.dtype == torch.float64
...         assert obs["obs"].dtype == torch.float64
...         return obs.empty().set("next", obs.update({"reward": reward, "done": done}))
...     def _set_seed(self, seed) -> None:
...         pass
>>> env = TransformedEnv(MyEnv(), DoubleToFloat())
>>> assert env.action_spec.dtype == torch.float32
>>> assert env.observation_spec["obs"].dtype == torch.float32
>>> assert env.reward_spec.dtype == torch.float32, env.reward_spec.dtype
>>> print(env.rollout(2))
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([2]), device=cpu, dtype=torch.float32, is_shared=False),
        done: Tensor(shape=torch.Size([2, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([2, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                obs: Tensor(shape=torch.Size([2]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([2, 1]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([2]),
            device=cpu,
            is_shared=False),
        obs: Tensor(shape=torch.Size([2]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([2]),
    device=cpu,
    is_shared=False)
>>> assert env.transform.in_keys == ["obs", "reward"]
>>> assert env.transform.in_keys_inv == ["action"]