check_env_specs

torchrl.envs.utils.check_env_specs(env: torchrl.envs.EnvBase, return_contiguous: bool | None = None, check_dtype=True, seed: int | None = None, tensordict: TensorDictBase | None = None)

针对短暂 rollouts 的结果测试环境规范。

此测试函数应作为包裹了 torchrl 的 EnvBase 子类的环境的健全性检查：预期数据与收集的数据之间的任何差异都应引发断言错误。

损坏的环境规范很可能导致无法使用并行环境。

参数：

• env (EnvBase) – 需要根据数据检查其规范的环境。

• return_contiguous (bool, optional) – 如果为 True，则随机 rollout 将使用 return_contiguous=True 调用。这在某些情况下会失败（例如，输入/输出的形状不一致）。默认为 None（由动态规范的存在决定）。

• check_dtype (bool, optional) – 如果为 False，则跳过 dtype 检查。默认为 True。

• seed (int, optional) – 为确保可重现性，可以设置一个种子。种子将暂时在 pytorch 中设置，然后 RNG 状态将恢复到之前。对于环境，我们设置了种子，但由于将 RNG 状态恢复到之前不是大多数环境的功能，因此由用户自行完成。默认为 None。

• tensordict (TensorDict, optional) – 可选的 tensordict 实例，用于重置。

注意：此函数会重置环境种子。它应在“离线”状态下使用，以检查环境是否已正确构建，但它可能会影响实验的种子设置，因此应避免在训练脚本中使用。