DistributionalQValueHook

class torchrl.modules.DistributionalQValueHook(action_space: str, support: Tensor, var_nums: Optional[int] = None, action_value_key: Optional[NestedKey] = None, action_mask_key: Optional[NestedKey] = None, out_keys: Optional[Sequence[NestedKey]] = None)

用于 Q 值策略的分布式 Q 值 hook。

给定映射操作符的输出，它表示可用不同动作值 bin 的对数概率，DistributionalQValueHook 将使用提供的支持将这些值转换为它们的 argmax 组件。

有关分布式 DQN 的更多详细信息，请参阅“强化学习的分布式视角”，https://arxiv.org/pdf/1707.06887.pdf

参数：

• action_space (str) – 动作空间。必须是 "one-hot"、"mult-one-hot"、"binary" 或 "categorical" 中的一个。

• action_value_key (str 或 tuple of str, optional) – 当挂钩到 TensorDictModule 时使用。表示动作值的输入键。默认值为 "action_value"。

• action_mask_key (str 或 tuple of str, optional) – 表示动作掩码的输入键。默认值为 "None"（等效于没有掩码）。

• support (torch.Tensor) – 动作值的支撑。

• var_nums (int, optional) – 如果 action_space = "mult-one-hot"，则此值表示每个动作组件的基数。

示例

>>> import torch
>>> from tensordict import TensorDict
>>> from torch import nn
>>> from torchrl.data import OneHotDiscreteTensorSpec
>>> from torchrl.modules.tensordict_module.actors import DistributionalQValueHook, Actor
>>> td = TensorDict({'observation': torch.randn(5, 4)}, [5])
>>> nbins = 3
>>> class CustomDistributionalQval(nn.Module):
...     def __init__(self):
...         super().__init__()
...         self.linear = nn.Linear(4, nbins*4)
...
...     def forward(self, x):
...         return self.linear(x).view(-1, nbins, 4).log_softmax(-2)
...
>>> module = CustomDistributionalQval()
>>> params = TensorDict.from_module(module)
>>> action_spec = OneHotDiscreteTensorSpec(4)
>>> hook = DistributionalQValueHook("one_hot", support = torch.arange(nbins))
>>> module.register_forward_hook(hook)
>>> qvalue_actor = Actor(module=module, spec=action_spec, out_keys=["action", "action_value"])
>>> with params.to_module(module):
...     qvalue_actor(td)
>>> print(td)
TensorDict(
    fields={
        action: Tensor(torch.Size([5, 4]), dtype=torch.int64),
        action_value: Tensor(torch.Size([5, 3, 4]), dtype=torch.float32),
        observation: Tensor(torch.Size([5, 4]), dtype=torch.float32)},
    batch_size=torch.Size([5]),
    device=None,
    is_shared=False)