QValueModule

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

用於 Q 值策略的 Q 值 TensorDictModule。

此模組處理包含動作值的張量，並根據給定的動作空間（獨熱編碼、二進位制或分類）將其轉換為其 argmax 分量（即，結果的貪婪動作）。它可同時用於 tensordict 和常規張量。

引數:

• 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。

• action_value_key (str 或 tuple of str, optional) – 表示動作值的輸入鍵。預設為 "action_value"。

• 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）。

• out_keys (list of str 或 tuple of str, optional) – 表示動作、動作值和所選動作值的輸出鍵。預設為 ["action", "action_value", "chosen_action_value"]。

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

• spec (TensorSpec, optional) – 如果提供，則為動作（和/或其它輸出）的規格。這與 action_space 是互斥的，因為 spec 條件化了動作空間。

• safe (bool) – 如果為 True，則輸出值將根據輸入 spec 進行檢查。由於探索策略或數值下溢/溢位問題，可能會發生域外取樣。如果此值超出界限，它將使用 TensorSpec.project 方法投影回所需空間。預設為 False。

返回:

如果輸入是單個張量，則返回包含所選動作、值和所選動作值的元組。如果提供的是 tensordict，它將根據 out_keys 欄位指示的鍵進行更新。

示例

>>> from tensordict import TensorDict
>>> action_space = "categorical"
>>> action_value_key = "my_action_value"
>>> actor = QValueModule(action_space, action_value_key=action_value_key)
>>> # This module works with both tensordict and regular tensors:
>>> value = torch.zeros(4)
>>> value[-1] = 1
>>> actor(my_action_value=value)
(tensor(3), tensor([0., 0., 0., 1.]), tensor([1.]))
>>> actor(value)
(tensor(3), tensor([0., 0., 0., 1.]), tensor([1.]))
>>> actor(TensorDict({action_value_key: value}, []))
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([]), device=cpu, dtype=torch.int64, is_shared=False),
        action_value: Tensor(shape=torch.Size([4]), device=cpu, dtype=torch.float32, is_shared=False),
        chosen_action_value: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, is_shared=False),
        my_action_value: Tensor(shape=torch.Size([4]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([]),
    device=None,
    is_shared=False)

forward(tensordict: Tensor = None) → TensorDictBase

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。