DistributionalQValueActor

class torchrl.modules.tensordict_module.DistributionalQValueActor(*args, **kwargs)

一個分散式的 DQN Actor 類。

此類在輸入模組之後附加一個 QValueModule，以便動作值用於選擇一個動作。

引數:

module (nn.Module) – 一個 torch.nn.Module，用於將輸入對映到輸出引數空間。如果模組不是 torchrl.modules.DistributionalDQNnet 型別，DistributionalQValueActor 將確保沿維度 -2 對動作值張量應用 log-softmax 操作。這可以透過關閉 make_log_softmax 關鍵字引數來停用。

關鍵字引數:

• in_keys (iterable of str, optional) – 要從輸入 tensordict 中讀取並傳遞給 module 的鍵。如果包含多個元素，則值將按 in_keys 可迭代物件給出的順序傳遞。預設為 ["observation"]。

• spec (TensorSpec, optional) – 僅關鍵字引數。輸出 tensor 的 spec。如果 module 輸出多個 tensor，spec 表徵第一個輸出 tensor 的空間。

• safe (bool) – 僅關鍵字引數。如果為 True，則會針對輸入規範檢查輸出值。由於探索策略或數值下溢/溢位問題，可能會發生域外取樣。如果此值越界，則使用 TensorSpec.project 方法將其投影回所需空間。預設為 False。

• var_nums (int, optional) – 如果 action_space = "mult-one-hot"，此值表示每個動作分量的基數。

• support (torch.Tensor) – 動作值的支援集。

• action_space (str, optional) – 動作空間。必須是 "one-hot"、"mult-one-hot"、"binary" 或 "categorical" 之一。此引數與 spec 互斥，因為 spec 條件化了 action_space。

• make_log_softmax (bool, optional) – 如果為 True，並且模組不是 torchrl.modules.DistributionalDQNnet 型別，則沿動作值張量的維度 -2 應用 log-softmax 操作。

• action_value_key (str 或 tuple of str, optional) – 如果輸入模組是 tensordict.nn.TensorDictModuleBase 例項，則它必須與其輸出鍵之一匹配。否則，此字串表示輸出 tensordict 中動作值條目的名稱。

• action_mask_key (str or tuple of str, optional) – 表示動作掩碼的輸入鍵。預設為 "None"（相當於沒有掩碼）。

示例

>>> import torch
>>> from tensordict import TensorDict
>>> from tensordict.nn import TensorDictModule, TensorDictSequential
>>> from torch import nn
>>> from torchrl.data import OneHot
>>> from torchrl.modules import DistributionalQValueActor, MLP
>>> td = TensorDict({'observation': torch.randn(5, 4)}, [5])
>>> nbins = 3
>>> module = MLP(out_features=(nbins, 4), depth=2)
>>> # let us make sure that the output is a log-softmax
>>> module = TensorDictSequential(
...     TensorDictModule(module, ["observation"], ["action_value"]),
...     TensorDictModule(lambda x: x.log_softmax(-2), ["action_value"], ["action_value"]),
... )
>>> action_spec = OneHot(4)
>>> qvalue_actor = DistributionalQValueActor(
...     module=module,
...     spec=action_spec,
...     support=torch.arange(nbins))
>>> td = qvalue_actor(td)
>>> print(td)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([5, 4]), device=cpu, dtype=torch.int64, is_shared=False),
        action_value: Tensor(shape=torch.Size([5, 3, 4]), device=cpu, dtype=torch.float32, is_shared=False),
        observation: Tensor(shape=torch.Size([5, 4]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([5]),
    device=None,
    is_shared=False)