UnboundedContinuousTensorSpec

class torchrl.data.UnboundedContinuousTensorSpec(shape: Union[Size, int] = torch.Size([1]), device: Optional[Union[device, str, int]] = None, dtype: Optional[Union[dtype, str]] = None, **kwargs)

无界连续张量规格。

参数:

• device (str, int 或 torch.device, 可选) – 张量的设备。

• dtype (str 或 torch.dtype, 可选) – 张量的 dtype（应为浮点 dtype，如 float、double 等）。

assert_is_in(value: Tensor) → None

断言张量是否属于该框，否则引发异常。

参数:

value (torch.Tensor) – 要检查的值。

clear_device_()

所有叶规格的无操作（必须具有设备）。

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

根据指定的规格编码值，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，则会忽略规格设备。这用于在调用 TensorDict(..., device="cuda") 时将张量转换分组，这速度更快。

返回值:

与所需张量规格匹配的 torch.Tensor。

expand(*shape)

返回具有扩展形状的新规格。

参数:

*shape (元组 或 int 可迭代对象) – 规格的新形状。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，并且其最后的值也必须符合；也就是说，它们只能在当前维度是单例的情况下与其不同。

flatten(start_dim, end_dim)

展平一个张量规格。

有关此方法的更多信息，请检查 flatten()。

classmethod implements_for_spec(torch_function: Callable) → Callable

注册用于 TensorSpec 的 torch 函数覆盖。

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

索引输入张量。

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(val: Tensor) → bool

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

参数:

val (torch.Tensor) – 要检查的值

返回值:

布尔值，指示值是否属于 TensorSpec 框

project(val: Tensor) → Tensor

如果输入张量不在 TensorSpec 框中，它会根据一些启发式方法将其映射回框中。

参数:

val (torch.Tensor) – 要映射到框的张量。

返回值:

属于 TensorSpec 框的 torch.Tensor。

rand(shape=None) → Tensor

返回规范定义的空间中的随机张量。除非框无界，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 框中采样的随机张量。

reshape(*shape)

重塑一个 TensorSpec。

有关此方法的更多信息，请查看 reshape()。

property sample

返回规范定义的空间中的随机张量。

有关详细信息，请参见 rand()。

squeeze(dim: int | None = None)

返回一个新的 Spec，其中所有大小为 1 的维度都被移除。

当给出 dim 时，仅在该维度上进行挤压操作。

参数:

dim (int or None) – 要应用挤压操作的维度

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

返回输入张量的 np.ndarray 对应物。

参数:

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

• safe (bool) – 布尔值，指示是否应针对规范域对值进行检查。默认值为环境变量 CHECK_SPEC_ENCODE 的值。

返回值:

一个 np.ndarray

type_check(value: Tensor, key: Optional[NestedKey] = None) → None

检查输入值的 dtype 是否与 TensorSpec 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 具有键，则将检查 value dtype 是否与由指定键指向的规范匹配。

unflatten(dim, sizes)

展平 TensorSpec。

有关此方法的更多信息，请查看 unflatten()。

view(*shape)

重塑一个 TensorSpec。

有关此方法的更多信息，请查看 reshape()。

zero(shape=None) → Tensor

返回框中的一个全零张量。

参数:

shape (torch.Size) – 全零张量的形状

返回值:

在 TensorSpec 框中采样的全零张量。