QMixerLoss

class torchrl.objectives.multiagent.QMixerLoss(*args, **kwargs)

QMixer 損失類。

根據混合網路將本地智慧體 q 值混合成全域性 q 值，然後使用 DQN 更新全域性值。此損失用於多智慧體應用。因此，它期望 'local_value'、'action_value' 和 'action' 鍵具有智慧體維度（這在預設的 AcceptedKeys 中可見）。該維度將由混合器混合，混合器將計算一個 'global_value' 鍵，用於 DQN 目標。型別為 torchrl.modules.models.multiagent.Mixer 的預製混合器將期望多智慧體維度為倒數第二個維度。

引數:

• local_value_network (QValueActor 或 nn.Module) – 一個本地 Q 值運算元。

• mixer_network (TensorDictModule 或 nn.Module) – 一個將智慧體的本地 Q 值和可選狀態對映到全域性 Q 值的混合網路。建議提供一個 TensorDictModule 來包裝來自 torchrl.modules.models.multiagent.Mixer 的混合器。

關鍵字引數:

• loss_function (str, optional) – 值差異的損失函式。可以是 “l1”、“l2” 或 “smooth_l1” 之一。預設為 “l2”。

• delay_value (bool, optional) – 是否將值網路複製到一個新的目標值網路以建立雙 DQN。預設為 False。

• action_space (str 或 TensorSpec, optional) – 動作空間。必須是 “one-hot”、“mult_one_hot”、“binary” 或 “categorical” 之一，或者是相應規範的例項（torchrl.data.OneHot、torchrl.data.MultiOneHot、torchrl.data.Binary 或 torchrl.data.Categorical）。如果未提供，將嘗試從值網路中檢索。

• priority_key (NestedKey, optional) – [已棄用，請改用 .set_keys(priority_key=priority_key)] 假定優先順序儲存在此 ReplayBuffer 中的 TensorDict 中的鍵。這用於當取樣器型別為 PrioritizedSampler 時。預設為 "td_error"。

示例

>>> import torch
>>> from torch import nn
>>> from tensordict import TensorDict
>>> from tensordict.nn import TensorDictModule
>>> from torchrl.modules import QValueModule, SafeSequential
>>> from torchrl.modules.models.multiagent import QMixer
>>> from torchrl.objectives.multiagent import QMixerLoss
>>> n_agents = 4
>>> module = TensorDictModule(
...     nn.Linear(10,3), in_keys=[("agents", "observation")], out_keys=[("agents", "action_value")]
... )
>>> value_module = QValueModule(
...     action_value_key=("agents", "action_value"),
...     out_keys=[
...         ("agents", "action"),
...         ("agents", "action_value"),
...         ("agents", "chosen_action_value"),
...     ],
...     action_space="categorical",
... )
>>> qnet = SafeSequential(module, value_module)
>>> qmixer = TensorDictModule(
...    module=QMixer(
...        state_shape=(64, 64, 3),
...        mixing_embed_dim=32,
...        n_agents=n_agents,
...        device="cpu",
...    ),
...    in_keys=[("agents", "chosen_action_value"), "state"],
...    out_keys=["chosen_action_value"],
... )
>>> loss = QMixerLoss(qnet, qmixer, action_space="categorical")
>>> td = TensorDict(
...    {
...        "agents": TensorDict(
...            {"observation": torch.zeros(32, n_agents, 10)}, [32, n_agents]
...        ),
...        "state": torch.zeros(32, 64, 64, 3),
...        "next": TensorDict(
...           {
...                "agents": TensorDict(
...                     {"observation": torch.zeros(32, n_agents, 10)}, [32, n_agents]
...                ),
...                "state": torch.zeros(32, 64, 64, 3),
...                "reward": torch.zeros(32, 1),
...                "done": torch.zeros(32, 1, dtype=torch.bool),
...                "terminated": torch.zeros(32, 1, dtype=torch.bool),
...            },
...            [32],
...        ),
...    },
...    [32],
... )
>>> loss(qnet(td))
TensorDict(
    fields={
        loss: Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([]),
    device=None,
    is_shared=False)

default_keys

別名：_AcceptedKeys

forward(tensordict: TensorDictBase = None) → TensorDict

它旨在讀取一個輸入的 TensorDict 並返回另一個包含名為“loss*”的損失鍵的 tensordict。

將損失分解為其組成部分可以被訓練器用於在訓練過程中記錄各種損失值。輸出 tensordict 中存在的其他標量也將被記錄。

引數:

tensordict – 一個輸入的 tensordict，包含計算損失所需的值。

返回:

一個沒有批處理維度的新 tensordict，其中包含各種損失標量，這些標量將被命名為“loss*”。重要的是，損失必須以這個名稱返回，因為它們將在反向傳播之前被訓練器讀取。

make_value_estimator(value_type: Optional[ValueEstimators] = None, **hyperparams)

值函式建構函式。

如果需要非預設值函式，必須使用此方法構建。

引數:

• value_type (ValueEstimators) – 一個 ValueEstimators 列舉型別，指示要使用的值函式。如果未提供，將使用儲存在 default_value_estimator 屬性中的預設值。生成的估值器類將註冊在 self.value_type 中，以便將來進行改進。

• **hyperparams – 用於值函式的超引數。如果未提供，將使用 default_value_kwargs() 中指示的值。

示例

>>> from torchrl.objectives import DQNLoss
>>> # initialize the DQN loss
>>> actor = torch.nn.Linear(3, 4)
>>> dqn_loss = DQNLoss(actor, action_space="one-hot")
>>> # updating the parameters of the default value estimator
>>> dqn_loss.make_value_estimator(gamma=0.9)
>>> dqn_loss.make_value_estimator(
...     ValueEstimators.TD1,
...     gamma=0.9)
>>> # if we want to change the gamma value
>>> dqn_loss.make_value_estimator(dqn_loss.value_type, gamma=0.9)