TensorDictReplayBuffer¶

class torchrl.data.TensorDictReplayBuffer(*, priority_key: str = 'td_error', **kwargs)[源代码]¶

围绕 ReplayBuffer 类的 TensorDict 特定包装器。

关键字参数:

storage (Storage, 可选) – 要使用的存储。如果未提供，则将创建一个默认的 ListStorage，其 max_size 为 1_000。
sampler (Sampler, 可选) – 要使用的采样器。如果未提供，则将使用默认的 RandomSampler()。
writer (Writer, 可选) – 要使用的写入器。如果未提供，则将使用默认的 RoundRobinWriter。
collate_fn (callable, 可选) – 合并样本列表以形成 Tensor(s)/输出的小批量。当使用从 map-style 数据集中批量加载时使用。默认值将根据存储类型确定。
pin_memory (bool) – 是否应在 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量。默认为 None（不预取）。
transform (Transform, 可选) – 当调用 sample() 时执行的转换。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) –

当调用 sample() 时使用的批次大小。 .. note

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.

priority_key (str, 可选) – 优先级假定存储在此 ReplayBuffer 中添加的 TensorDict 中的键。当采样器类型为 PrioritizedSampler 时使用。默认为 "td_error"。
dim_extend (int, 可选) –
指示在调用 extend() 时要考虑的扩展维度。默认为 storage.ndim-1。当使用 dim_extend > 0 时，我们建议在存储实例化中使用 ndim 参数（如果该参数可用），以使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概念一致。
注意

此参数对 add() 没有影响，因此当 add() 和 extend() 都用于代码库中时，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)
```
generator (torch.Generator, 可选) –
用于采样的生成器。为回放缓冲区使用专用生成器可以实现对种子进行精细控制，例如保持全局种子不同，但 RB 种子对于分布式作业相同。默认为 None（全局默认生成器）。

警告

截至目前，生成器对转换没有影响。
shared (bool, 可选) – 缓冲区是否将使用多处理共享。默认为 False。

示例

>>> import torch
>>>
>>> from torchrl.data import LazyTensorStorage, TensorDictReplayBuffer
>>> from tensordict import TensorDict
>>>
>>> torch.manual_seed(0)
>>>
>>> rb = TensorDictReplayBuffer(storage=LazyTensorStorage(10), batch_size=5)
>>> data = TensorDict({"a": torch.ones(10, 3), ("b", "c"): torch.zeros(10, 1, 1)}, [10])
>>> rb.extend(data)
>>> sample = rb.sample(3)
>>> # samples keep track of the index
>>> print(sample)
TensorDict(
    fields={
        a: Tensor(shape=torch.Size([3, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        b: TensorDict(
            fields={
                c: Tensor(shape=torch.Size([3, 1, 1]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([3]),
            device=cpu,
            is_shared=False),
        index: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.int32, is_shared=False)},
    batch_size=torch.Size([3]),
    device=cpu,
    is_shared=False)
>>> # we can iterate over the buffer
>>> for i, data in enumerate(rb):
...     print(i, data)
...     if i == 2:
...         break
0 TensorDict(
    fields={
        a: Tensor(shape=torch.Size([5, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        b: TensorDict(
            fields={
                c: Tensor(shape=torch.Size([5, 1, 1]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([5]),
            device=cpu,
            is_shared=False),
        index: Tensor(shape=torch.Size([5]), device=cpu, dtype=torch.int32, is_shared=False)},
    batch_size=torch.Size([5]),
    device=cpu,
    is_shared=False)
1 TensorDict(
    fields={
        a: Tensor(shape=torch.Size([5, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        b: TensorDict(
            fields={
                c: Tensor(shape=torch.Size([5, 1, 1]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([5]),
            device=cpu,
            is_shared=False),
        index: Tensor(shape=torch.Size([5]), device=cpu, dtype=torch.int32, is_shared=False)},
    batch_size=torch.Size([5]),
    device=cpu,
    is_shared=False)

add(data: TensorDictBase) → int[源代码]¶

向回放缓冲区添加单个元素。

参数:: data (Any) – 要添加到回放缓冲区的数据
返回:: 数据在回放缓冲区中的索引位置。

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

在末尾追加转换。

当调用 sample 时，转换按顺序应用。

参数:: transform (Transform) – 要追加的转换
关键字参数:: invert (bool, 可选) – 如果 True，则转换将被反转（前向调用将在写入期间调用，反向调用将在读取期间调用）。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)¶

将回放缓冲区保存到磁盘上的指定路径。

参数:: path (Path 或 str) – 保存回放缓冲区的路径。

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()¶: 清空回放缓冲区并将游标重置为 0。

extend(tensordicts: TensorDictBase) → Tensor[源代码]¶

使用可迭代对象中包含的一个或多个元素扩展回放缓冲区。

如果存在，将调用反向转换。`

参数:: data (iterable) – 要添加到回放缓冲区的数据集合。
返回:: 添加到回放缓冲区的数据的索引。

警告

extend() 在处理值列表时可能具有不明确的签名，这应被解释为 PyTree（在这种情况下，列表中的所有元素都将放入存储中存储的 PyTree 中的切片中）或一次添加一个值的列表。为了解决这个问题，TorchRL 明确区分了列表和元组：元组将被视为 PyTree，列表（在根级别）将被解释为要一次添加到缓冲区的值堆栈。对于 ListStorage 实例，只能提供未绑定的元素（没有 PyTree）。

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

插入转换。

当调用 sample 时，转换按顺序执行。

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, 可选) – 如果 True，则转换将被反转（前向调用将在写入期间调用，反向调用将在读取期间调用）。默认为 False。

load(*args, **kwargs)¶: loads() 的别名。

loads(path)¶

在给定路径加载回放缓冲区状态。

缓冲区应具有匹配的组件，并使用 dumps() 保存。

参数:: path (Path 或 str) – 回放缓冲区保存的路径。

有关更多信息，请参阅 dumps()。

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

注意

钩子当前在保存回放缓冲区时未序列化：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

钩子当前在保存回放缓冲区时未序列化：每次创建缓冲区时，都必须手动重新初始化它们。

sample(batch_size: Optional[int] = None, return_info: bool = False, include_info: Optional[bool] = None) → TensorDictBase[源代码]¶

从回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, 可选) – 要收集的数据大小。如果未提供，此方法将采样采样器指示的批次大小。
return_info (bool) – 是否返回信息。如果为 True，则结果为元组 (data, info)。如果为 False，则结果为数据。

返回:

一个 tensordict，其中包含在回放缓冲区中选择的一批数据。如果 return_info 标志设置为 True，则为包含此 tensordict 和信息的元组。

property sampler¶

回放缓冲区的采样器。

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: Optional[Callable] = 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) – 缓冲区的新的存储。
collate_fn (callable, 可选) – 如果提供，则 collate_fn 设置为此值。否则，它将重置为默认值。

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 write_count¶: 到目前为止，通过添加和扩展写入缓冲区中的项目总数。

property writer¶

回放缓冲区的写入器。

写入器必须是 Writer 的实例。

TensorDictReplayBuffer¶

文档

教程

资源