OnlineDTActor

class torchrl.modules.OnlineDTActor(state_dim: int, action_dim: int, transformer_config: dict | DecisionTransformer.DTConfig = None, device: DEVICE_TYPING | None = None)

Online Decision Transformer Actor 類。

用於 Online Decision Transformer 的 Actor 類，用於從高斯分佈中取樣動作，如 “Online Decision Transformer” 中所述。

返回用於從高斯分佈中取樣動作的均值和標準差。

引數:

• state_dim (int) – 狀態維度。

• action_dim (int) – 動作維度。

• transformer_config (Dict 或 DecisionTransformer.DTConfig) – GPT2 transformer 的配置。預設為 default_config()。

• device (torch.device, 可選) – 要使用的裝置。預設為 None。

示例

>>> model = OnlineDTActor(state_dim=4, action_dim=2,
...     transformer_config=OnlineDTActor.default_config())
>>> observation = torch.randn(32, 10, 4)
>>> action = torch.randn(32, 10, 2)
>>> return_to_go = torch.randn(32, 10, 1)
>>> mu, std = model(observation, action, return_to_go)
>>> mu.shape
torch.Size([32, 10, 2])
>>> std.shape
torch.Size([32, 10, 2])

classmethod default_config()

OnlineDTActor 的預設配置。

forward(observation: Tensor, action: Tensor, return_to_go: Tensor) → tuple[torch.Tensor, torch.Tensor]

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。