DdpgCnnQNet

class torchrl.modules.DdpgCnnQNet(conv_net_kwargs: dict | None = None, mlp_net_kwargs: dict | None = None, use_avg_pooling: bool = True, device: DEVICE_TYPING | None = None)

DDPG 卷积 Q 值类。

在“使用深度强化学习进行连续控制”中提出，https://arxiv.org/pdf/1509.02971.pdf

DDPG Q 值网络以观察结果和动作作为输入，并从中返回一个标量。

参数：

• conv_net_kwargs (dict, 可选) –

  卷积网络的关键字参数。默认为

  >>> {
  ...     'in_features': None,
  ...     "num_cells": [32, 64, 128],
  ...     "kernel_sizes": [8, 4, 3],
  ...     "strides": [4, 2, 1],
  ...     "paddings": [0, 0, 1],
  ...     'activation_class': nn.ELU,
  ...     'norm_class': None,
  ...     'aggregator_class': nn.AdaptiveAvgPool2d,
  ...     'aggregator_kwargs': {},
  ...     'squeeze_output': True,
  ... }
  

• mlp_net_kwargs (dict, 可选) –

  MLP 的关键字参数。默认为

  >>> {
  ...     'in_features': None,
  ...     'out_features': 1,
  ...     'depth': 2,
  ...     'num_cells': 200,
  ...     'activation_class': nn.ELU,
  ...     'bias_last_layer': True,
  ... }
  

• use_avg_pooling (bool, 可选) – 如果 True，则使用 AvgPooling 层来聚合输出。默认为 True。

• device (torch.device, 可选) – 创建模块的设备。

示例

>>> from torchrl.modules import DdpgCnnQNet
>>> import torch
>>> net = DdpgCnnQNet()
>>> print(net)
DdpgCnnQNet(
  (convnet): ConvNet(
    (0): LazyConv2d(0, 32, kernel_size=(8, 8), stride=(4, 4))
    (1): ELU(alpha=1.0)
    (2): Conv2d(32, 64, kernel_size=(4, 4), stride=(2, 2))
    (3): ELU(alpha=1.0)
    (4): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))
    (5): ELU(alpha=1.0)
    (6): AdaptiveAvgPool2d(output_size=(1, 1))
    (7): Squeeze2dLayer()
  )
  (mlp): MLP(
    (0): LazyLinear(in_features=0, out_features=200, bias=True)
    (1): ELU(alpha=1.0)
    (2): Linear(in_features=200, out_features=200, bias=True)
    (3): ELU(alpha=1.0)
    (4): Linear(in_features=200, out_features=1, bias=True)
  )
)
>>> obs = torch.zeros(1, 3, 64, 64)
>>> action = torch.zeros(1, 4)
>>> value = net(obs, action)
>>> print(value.shape)
torch.Size([1, 1])

forward(observation: Tensor, action: Tensor) → Tensor

定义每次调用时执行的计算。

所有子类都应覆盖此方法。

注意

虽然前向传递的步骤需要在此函数中定义，但之后应该调用 Module 实例而不是此函数，因为前者负责运行注册的钩子，而后者则会静默地忽略它们。