LazyStackedTensorSpec

class torchrl.data.LazyStackedTensorSpec(*specs: tuple[T, ...], dim: int)

张量规范堆栈的延迟表示。

沿着一个维度将张量规范堆叠在一起。当绘制随机样本时，如果可能，将返回样本堆栈。否则，将抛出错误。

允许索引，但仅沿堆栈维度。

此类旨在用于多任务和多智能体设置，其中可能出现异构规范（相同的语义但不同的形状）。

assert_is_in(value: Tensor) → None

断言张量是否属于该框，否则会引发异常。

参数：

value (torch.Tensor) – 要检查的值。

clear_device_()

清除 CompositeSpec 的设备。

contains(item)

返回样本是否包含在 TensorSpec 定义的空间内。

有关更多信息，请参阅 is_in()。

encode(val: Union[ndarray, Tensor], *, ignore_device=False) → Tensor

根据指定的规范对值进行编码，并返回相应的张量。

参数：

val (np.ndarray 或 torch.Tensor) – 要编码为张量的值。

关键字参数：

ignore_device (bool, 可选) – 如果为 True，则将忽略规范设备。这用于在对 TensorDict(..., device="cuda") 的调用中对张量转换进行分组，这速度更快。

返回值：

与所需张量规范匹配的 torch.Tensor。

expand(*shape)

返回具有扩展形状的新规范。

参数：

*shape (tuple 或 int 可迭代对象) – 规范的新形状。必须符合当前形状：其长度必须至少与当前形状长度一样长，并且其最后一个值也必须符合；即它们只能在当前维度是单例的情况下才与当前维度不同。

flatten(start_dim, end_dim)

展平张量规范。

有关此方法的更多信息，请查看 flatten()。

classmethod implements_for_spec(torch_function: Callable) → Callable

为 TensorSpec 注册一个 torch 函数覆盖。

abstract index(index: Union[int, Tensor, ndarray, slice, List], tensor_to_index: Tensor) → Tensor

对输入张量进行索引。

参数：

• index (int, torch.Tensor, slice or list) – 张量的索引

• tensor_to_index – 要索引的张量

返回值：

索引后的张量

is_in(value) → bool

如果值 val 在由 TensorSpec 定义的框内，则返回 True，否则返回 False。

参数：

val (torch.Tensor) – 要检查的值

返回值：

指示值是否属于 TensorSpec 框的布尔值

project(val: Tensor) → Tensor

如果输入张量不在 TensorSpec 框内，则根据某些启发式方法将其映射回框内。

参数：

val (torch.Tensor) – 要映射到框内的张量。

返回值：

属于 TensorSpec 框的 torch.Tensor。

rand(shape=None) → TensorDictBase

在由规范定义的空间中返回一个随机张量。除非框是无界的，否则采样将是均匀的。

参数：

shape (torch.Size) – 随机张量的形状

返回值：

在 TensorSpec 框内采样的随机张量。

reshape(*shape)

重新调整张量规范的形状。

查看 reshape() 以获取有关此方法的更多信息。

property sample

在由规范定义的空间中返回一个随机张量。

查看 rand() 以获取详细信息。

squeeze(dim: Optional[int] = None)

返回一个新的规范，其中所有大小为 1 的维度都被移除。

当给出 dim 时，仅在该维度上执行压缩操作。

参数：

dim (int or None) – 要应用压缩操作的维度

to_numpy(val: Tensor, safe: Optional[bool] = None) → dict

返回输入张量的对应 np.ndarray。

参数：

• val (torch.Tensor) – 要转换为 numpy 的张量。

• safe (bool) – 布尔值，指示是否应该对值相对于规范域执行检查。默认为 CHECK_SPEC_ENCODE 环境变量的值。

返回值：

一个 np.ndarray

type_check(value: torch.Tensor, key: NestedKey | None = None) → None

检查输入值的 dtype 是否与 TensorSpec 的 dtype 相匹配，如果不匹配，则引发异常。

参数：

• value (torch.Tensor) – 要检查其 dtype 的张量

• key (str, optional) – 如果 TensorSpec 有键，则将检查值的 dtype 是否与由指示的键指向的规范相匹配。

unflatten(dim, sizes)

将张量规范展开。

查看 unflatten() 以获取有关此方法的更多信息。

view(*shape)

重新调整张量规范的形状。

查看 reshape() 以获取有关此方法的更多信息。

zero(shape=None) → TensorDictBase

在框内返回一个用零填充的张量。

参数：

shape (torch.Size) – 零张量的形状

返回值：

在 TensorSpec 框内采样的一个用零填充的张量。