PrioritizedReplayBuffer¶

class torchrl.data.PrioritizedReplayBuffer(*, alpha: float, beta: float, eps: float = 1e-08, dtype: torch.dtype = torch.float32, storage: Storage | None = None, collate_fn: Callable | None = None, pin_memory: bool = False, prefetch: int | None = None, transform: 'Transform' | None = None, batch_size: int | None = None, dim_extend: int | None = None)[source]¶

优先级回放缓冲区。

所有参数都是关键字参数。

在以下文献中提出: “Schaul, T.; Quan, J.; Antonoglou, I.; and Silver, D. 2015. 优先级经验回放。” (https://arxiv.org/abs/1511.05952)

参数：

alpha (float) – 指数 α 决定使用多少优先级，其中 α = 0 对应于均匀情况。
beta (float) – 重要性采样负指数。
eps (float) – 添加到优先级的增量，以确保缓冲区不包含空优先级。
storage (Storage, 可选) – 要使用的存储。如果未提供，则会创建一个具有 max_size 为 1_000 的默认 ListStorage。
collate_fn (callable, 可选) – 将样本列表合并以形成 Tensor(s)/输出的小批量。在从映射风格的数据集中使用批处理加载时使用。默认值将根据存储类型决定。
pin_memory (bool) – 是否应该在 rb 样本上调用 pin_memory()。
prefetch (int, 可选) – 使用多线程预取的下一个批次的数目。默认为 None（不预取）。
transform (Transform, 可选) – 调用 sample() 时要执行的转换。要链接转换，请使用 Compose 类。转换应与 tensordict.TensorDict 内容一起使用。如果与其他结构一起使用，则转换应使用 "data" 前导键进行编码，该键将用于从非 tensordict 内容构建 tensordict。

batch_size (int, 可选) –

调用 sample() 时要使用的批次大小。.. 注意

The batch-size can be specified at construction time via the
``batch_size`` argument, or at sampling time. The former should
be preferred whenever the batch-size is consistent across the
experiment. If the batch-size is likely to change, it can be
passed to the :meth:`~.sample` method. This option is
incompatible with prefetching (since this requires to know the
batch-size in advance) as well as with samplers that have a
``drop_last`` argument.

dim_extend (int, 可选) –
指示调用 extend() 时要考虑扩展的维度。默认为 storage.ndim-1。当使用 dim_extend > 0 时，我们建议在存储实例化时使用 ndim 参数，让存储知道数据是多维的，并在采样期间保持存储容量和批次大小的一致概念。
注意

此参数对 add() 没有影响，因此在代码库中同时使用 add() 和 extend() 时应谨慎使用。例如
```
>>> data = torch.zeros(3, 4)
>>> rb = ReplayBuffer(
...     storage=LazyTensorStorage(10, ndim=2),
...     dim_extend=1)
>>> # these two approaches are equivalent:
>>> for d in data.unbind(1):
...     rb.add(d)
>>> rb.extend(data)
```

注意

通用优先级重放缓冲区（即非 TensorDict 支持）需要使用 return_info 参数设置为 True 的 sample() 来访问索引，从而更新优先级。使用 tensordict.TensorDict 和相关的 TensorDictPrioritizedReplayBuffer 可以简化此过程。

示例

>>> import torch
>>>
>>> from torchrl.data import ListStorage, PrioritizedReplayBuffer
>>>
>>> torch.manual_seed(0)
>>>
>>> rb = PrioritizedReplayBuffer(alpha=0.7, beta=0.9, storage=ListStorage(10))
>>> data = range(10)
>>> rb.extend(data)
>>> sample = rb.sample(3)
>>> print(sample)
tensor([1, 0, 1])
>>> # get the info to find what the indices are
>>> sample, info = rb.sample(5, return_info=True)
>>> print(sample, info)
tensor([2, 7, 4, 3, 5]) {'_weight': array([1., 1., 1., 1., 1.], dtype=float32), 'index': array([2, 7, 4, 3, 5])}
>>> # update priority
>>> priority = torch.ones(5) * 5
>>> rb.update_priority(info["index"], priority)
>>> # and now a new sample, the weights should be updated
>>> sample, info = rb.sample(5, return_info=True)
>>> print(sample, info)
tensor([2, 5, 2, 2, 5]) {'_weight': array([0.36278465, 0.36278465, 0.36278465, 0.36278465, 0.36278465],
      dtype=float32), 'index': array([2, 5, 2, 2, 5])}

add(data: Any) → int¶

将单个元素添加到重放缓冲区。

参数：: **data** (Any) – 要添加到重放缓冲区的数据
返回值：: 数据在重放缓冲区中的索引。

append_transform(transform: Transform, *, invert: bool = False) → ReplayBuffer¶

在末尾追加转换。

调用 sample 时，将按顺序应用转换。

参数：: **transform** (Transform) – 要追加的转换
关键字参数：: **invert** (bool, optional) – 如果 True，则转换将被反转（在写入时调用前向调用，在读取时调用逆向调用）。默认为 False。

示例

>>> rb = ReplayBuffer(storage=LazyMemmapStorage(10), batch_size=4)
>>> data = TensorDict({"a": torch.zeros(10)}, [10])
>>> def t(data):
...     data += 1
...     return data
>>> rb.append_transform(t, invert=True)
>>> rb.extend(data)
>>> assert (data == 1).all()

dump(*args, **kwargs)¶: dumps() 的别名。

dumps(path)¶

将重放缓冲区保存到指定路径的磁盘上。

参数：: **path** (Path or str) – 保存重放缓冲区的路径。

示例

>>> import tempfile
>>> import tqdm
>>> from torchrl.data import LazyMemmapStorage, TensorDictReplayBuffer
>>> from torchrl.data.replay_buffers.samplers import PrioritizedSampler, RandomSampler
>>> import torch
>>> from tensordict import TensorDict
>>> # Build and populate the replay buffer
>>> S = 1_000_000
>>> sampler = PrioritizedSampler(S, 1.1, 1.0)
>>> # sampler = RandomSampler()
>>> storage = LazyMemmapStorage(S)
>>> rb = TensorDictReplayBuffer(storage=storage, sampler=sampler)
>>>
>>> for _ in tqdm.tqdm(range(100)):
...     td = TensorDict({"obs": torch.randn(100, 3, 4), "next": {"obs": torch.randn(100, 3, 4)}, "td_error": torch.rand(100)}, [100])
...     rb.extend(td)
...     sample = rb.sample(32)
...     rb.update_tensordict_priority(sample)
>>> # save and load the buffer
>>> with tempfile.TemporaryDirectory() as tmpdir:
...     rb.dumps(tmpdir)
...
...     sampler = PrioritizedSampler(S, 1.1, 1.0)
...     # sampler = RandomSampler()
...     storage = LazyMemmapStorage(S)
...     rb_load = TensorDictReplayBuffer(storage=storage, sampler=sampler)
...     rb_load.loads(tmpdir)
...     assert len(rb) == len(rb_load)

empty()¶: 清空重放缓冲区并将游标重置为 0。

extend(data: Sequence) → Tensor¶

使用可迭代对象中包含的一个或多个元素扩展重放缓冲区。

如果存在，将调用逆转换。

参数：: **data** (iterable) – 要添加到重放缓冲区的数据集合。
返回值：: 添加到重放缓冲区的数据的索引。

警告

extend() 在处理值列表时可能具有模棱两可的签名，这些值应该被解释为 PyTree（在这种情况下，列表中的所有元素都将被放入存储的 PyTree 中的一个切片）或要逐个添加的值列表。为了解决这个问题，TorchRL 对列表和元组进行了明确的区分：元组将被视为 PyTree，列表（在根级别）将被解释为要逐个添加到缓冲区的值的堆栈。对于 ListStorage 实例，只能提供未绑定元素（无 PyTree）。

insert_transform(index: int, transform: Transform, *, invert: bool = False) → ReplayBuffer¶

插入转换。

调用 sample 时，将按顺序执行转换。

参数：

**index** (int) – 插入转换的位置。
**transform** (Transform) – 要追加的转换

关键字参数：

**invert** (bool, optional) – 如果 True，则转换将被反转（在写入时调用前向调用，在读取时调用逆向调用）。默认为 False。

load(*args, **kwargs)¶: loads() 的别名。

loads(path)¶

加载给定路径处的重放缓冲区状态。

缓冲区应具有匹配的组件，并使用 dumps() 保存。

参数：: **path** (Path or str) – 保存重放缓冲区的路径。

有关更多信息，请参见 dumps()。

register_load_hook(hook: Callable[[Any], Any])¶: 为存储注册加载钩子。

注意

保存重放缓冲区时，当前不会序列化钩子：每次创建缓冲区时都必须手动重新初始化它们。

register_save_hook(hook: Callable[[Any], Any])¶: 为存储注册保存钩子。

注意

保存重放缓冲区时，当前不会序列化钩子：每次创建缓冲区时都必须手动重新初始化它们。

sample(batch_size: int | None = None, return_info: bool = False) → Any¶

从重放缓冲区采样一批数据。

使用 Sampler 采样索引，并从 Storage 中检索它们。

参数：

**batch_size** (int, optional) – 要收集的数据的大小。如果没有提供，此方法将根据采样器指示的批次大小进行采样。
**return_info** (bool) – 是否返回信息。如果为 True，则结果为一个元组 (data, info)。如果为 False，则结果为数据。

返回值：

在重放缓冲区中选择的一批数据。如果 return_info 标志设置为 True，则包含此批次和信息的元组。

property sampler¶

重放缓冲区的采样器。

采样器必须是 Sampler 的实例。

save(*args, **kwargs)¶: dumps() 的别名。

set_sampler(sampler: Sampler)¶: 在回放缓冲区中设置新的采样器，并返回之前的采样器。

set_storage(storage: Storage, collate_fn: Callable | None = None)¶

在回放缓冲区中设置新的存储，并返回之前的存储。

参数：

storage (Storage) – 缓冲区的新存储。
collate_fn (可调用对象, 可选) – 如果提供，则将 collate_fn 设置为此值。否则将其重置为默认值。

set_writer(writer: Writer)¶: 在回放缓冲区中设置新的写入器，并返回之前的写入器。

property storage¶

回放缓冲区的存储。

存储必须是 Storage 的实例。

property writer¶

回放缓冲区的写入器。

写入器必须是 Writer 的实例。

PrioritizedReplayBuffer¶

文档

教程

资源