MultiAgentMLP¶

class torchrl.modules.MultiAgentMLP(n_agent_inputs: int | None, n_agent_outputs: int, n_agents: int, *, centralized: bool | None = None, share_params: bool | None = None, device: DEVICE_TYPING | None = None, depth: int | None = None, num_cells: Sequence | int | None = None, activation_class: type[nn.Module] | None = <class 'torch.nn.modules.activation.Tanh'>, use_td_params: bool = True, **kwargs)[來源]¶

多智慧體 MLP。

這是一個可在多智慧體場景中使用的 MLP。例如，作為策略或價值函式。有關示例，請參閱 examples/multiagent。

它期望輸入形狀為 (*B, n_agents, n_agent_inputs)。它返回的輸出形狀為 (*B, n_agents, n_agent_outputs)。

如果 share_params 為 True，則所有智慧體將使用相同的 MLP 來進行前向傳播（同質策略）。否則，每個智慧體將使用不同的 MLP 來處理其輸入（異質策略）。

如果 centralized 為 True，則每個智慧體將使用所有智慧體的輸入來計算其輸出（n_agent_inputs * n_agents 將是單個智慧體的輸入數量）。否則，每個智慧體將僅使用其自身的資料作為輸入。

引數:

n_agent_inputs (int 或 None) – 每個智慧體的輸入數量。如果為 None，則輸入數量將在第一次呼叫時延遲例項化。
n_agent_outputs (int) – 每個智慧體的輸出數量。
n_agents (int) – 代理數量。

關鍵字引數:

centralized (bool) – 如果 centralized 為 True，則每個智慧體將使用所有智慧體的輸入來計算其輸出（n_agent_inputs * n_agents 將是單個智慧體的輸入數量）。否則，每個智慧體將僅使用其自身的資料作為輸入。
share_params (bool) – 如果 share_params 為 True，則所有智慧體將使用相同的 MLP 來進行前向傳播（同質策略）。否則，每個智慧體將使用不同的 MLP 來處理其輸入（異質策略）。
device (str 或 toech.device, optional) – 用於建立模組的裝置。
depth (int, optional) – 網路的深度。深度為 0 將產生一個具有所需輸入和輸出大小的單個線性層網路。長度為 1 將建立 2 個線性層，依此類推。如果未指定深度，則深度資訊應包含在 num_cells 引數中（見下文）。如果 num_cells 是一個可迭代物件且指定了深度，兩者應匹配：len(num_cells) 必須等於 depth。預設值：3。
num_cells (int 或 Sequence[int], optional) – 輸入和輸出之間的每一層的單元數。如果提供一個整數，則每一層將具有相同的單元數。如果提供一個可迭代物件，則線性層的 out_features 將與 num_cells 的內容匹配。預設值：32。
activation_class (Type[nn.Module]) – 要使用的啟用類。預設值：nn.Tanh。
use_td_params (bool, optional) – 如果為 True，則引數可以在 self.params 中找到，它是一個 TensorDictParams 物件（它同時繼承自 TensorDict 和 nn.Module）。如果為 False，則引數包含在 self._empty_net 中。總而言之，這兩種方法應該大致相同但不可互換：例如，當 use_td_params=False 時，使用 use_td_params=True 建立的 state_dict 不能使用。
**kwargs – 可以傳遞給 torchrl.modules.models.MLP 以自定義 MLP。

注意

要使用 torch.nn.init 模組初始化 MARL 模組引數，請參閱 get_stateful_net() 和 from_stateful_net() 方法。

示例

>>> from torchrl.modules import MultiAgentMLP
>>> import torch
>>> n_agents = 6
>>> n_agent_inputs=3
>>> n_agent_outputs=2
>>> batch = 64
>>> obs = torch.zeros(batch, n_agents, n_agent_inputs)
>>> # instantiate a local network shared by all agents (e.g. a parameter-shared policy)
>>> mlp = MultiAgentMLP(
...     n_agent_inputs=n_agent_inputs,
...     n_agent_outputs=n_agent_outputs,
...     n_agents=n_agents,
...     centralized=False,
...     share_params=True,
...     depth=2,
... )
>>> print(mlp)
MultiAgentMLP(
  (agent_networks): ModuleList(
    (0): MLP(
      (0): Linear(in_features=3, out_features=32, bias=True)
      (1): Tanh()
      (2): Linear(in_features=32, out_features=32, bias=True)
      (3): Tanh()
      (4): Linear(in_features=32, out_features=2, bias=True)
    )
  )
)
>>> assert mlp(obs).shape == (batch, n_agents, n_agent_outputs)
Now let's instantiate a centralized network shared by all agents (e.g. a centalised value function)
>>> mlp = MultiAgentMLP(
...     n_agent_inputs=n_agent_inputs,
...     n_agent_outputs=n_agent_outputs,
...     n_agents=n_agents,
...     centralized=True,
...     share_params=True,
...     depth=2,
... )
>>> print(mlp)
MultiAgentMLP(
  (agent_networks): ModuleList(
    (0): MLP(
      (0): Linear(in_features=18, out_features=32, bias=True)
      (1): Tanh()
      (2): Linear(in_features=32, out_features=32, bias=True)
      (3): Tanh()
      (4): Linear(in_features=32, out_features=2, bias=True)
    )
  )
)
We can see that the input to the first layer is n_agents * n_agent_inputs,
this is because in the case the net acts as a centralized mlp (like a single huge agent)
>>> assert mlp(obs).shape == (batch, n_agents, n_agent_outputs)
Outputs will be identical for all agents.
Now we can do both examples just shown but with an independent set of parameters for each agent
Let's show the centralized=False case.
>>> mlp = MultiAgentMLP(
...     n_agent_inputs=n_agent_inputs,
...     n_agent_outputs=n_agent_outputs,
...     n_agents=n_agents,
...     centralized=False,
...     share_params=False,
...     depth=2,
... )
>>> print(mlp)
MultiAgentMLP(
  (agent_networks): ModuleList(
    (0-5): 6 x MLP(
      (0): Linear(in_features=3, out_features=32, bias=True)
      (1): Tanh()
      (2): Linear(in_features=32, out_features=32, bias=True)
      (3): Tanh()
      (4): Linear(in_features=32, out_features=2, bias=True)
    )
  )
)
We can see that this is the same as in the first example, but now we have 6 MLPs, one per agent!
>>> assert mlp(obs).shape == (batch, n_agents, n_agent_outputs)

MultiAgentMLP¶

文件

教程

資源