SelectTransform

class torchrl.envs.transforms.SelectTransform(*selected_keys: NestedKey, keep_rewards: bool = True, keep_dones: bool = True)

从输入张量字典中选择键。

通常，应优先使用 ExcludeTransform：此转换还

选择“action”（或 input_spec 中的其他键）、“done”和“reward”键，但其他键可能也需要。

参数：

*selected_keys (NestedKey 的可迭代对象) – 要选择的键的名称。如果键不存在，则将其忽略。

关键字参数：

• keep_rewards (bool, 可选) – 如果为 False，则必须提供奖励键才能保留它们。默认为 True。

• keep_dones (bool, 可选) – 如果为 False，则必须提供 done 键才能保留它们。默认为 True。

• gymnasium (>>> import) –

• GymWrapper (...) –

• TransformedEnv( (>>> env =) –

• GymWrapper –

• SelectTransform (...) –

• ) (...) –

• env.rollout (>>>) –

• TensorDict( –

  fields={

  action: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.float32, is_shared=False), done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), next: TensorDict(

  fields={

  done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False), observation: Tensor(shape=torch.Size([3, 3]), device=cpu, dtype=torch.float32, is_shared=False), reward: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.float32, is_shared=False)},

  batch_size=torch.Size([3]), device=cpu, is_shared=False),

  observation: Tensor(shape=torch.Size([3, 3]), device=cpu, dtype=torch.float32, is_shared=False)},

  batch_size=torch.Size([3]), device=cpu, is_shared=False)

forward(tensordict: TensorDictBase) → TensorDictBase

读取输入张量字典，并对选定的键应用转换。

transform_output_spec(output_spec: CompositeSpec) → CompositeSpec

转换输出规范，以便生成的规范与转换映射匹配。

此方法通常应保持不变。更改应使用 transform_observation_spec()、transform_reward_spec() 和 transformfull_done_spec() 实现。:param output_spec: 转换前的规范 :type output_spec: TensorSpec

返回值：

转换后的预期规范