DuelingCnnDQNet

class torchrl.modules.DuelingCnnDQNet(out_features: int, out_features_value: int = 1, cnn_kwargs: Optional[dict] = None, mlp_kwargs: Optional[dict] = None, device: Optional[Union[device, str, int]] = None)

Dueling CNN Q 网络。

在以下文章中提出： https://arxiv.org/abs/1511.06581

参数:

• out_features (int) – 优势网络的特征数量。

• out_features_value (int) – 价值网络的特征数量。

• cnn_kwargs (dict 或 dicts 列表, 可选) –

  特征网络的 kwargs。默认为

  >>> cnn_kwargs = {
  ...     'num_cells': [32, 64, 64],
  ...     'strides': [4, 2, 1],
  ...     'kernels': [8, 4, 3],
  ... }
  

• mlp_kwargs (dict 或 dicts 列表, 可选) –

  优势网络和价值网络的 kwargs。默认为

  >>> mlp_kwargs = {
  ...     "depth": 1,
  ...     "activation_class": nn.ELU,
  ...     "num_cells": 512,
  ...     "bias_last_layer": True,
  ... }
  

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

示例

>>> import torch
>>> from torchrl.modules import DuelingCnnDQNet
>>> net = DuelingCnnDQNet(out_features=20)
>>> print(net)
DuelingCnnDQNet(
  (features): 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, 64, kernel_size=(3, 3), stride=(1, 1))
    (5): ELU(alpha=1.0)
    (6): SquashDims()
  )
  (advantage): MLP(
    (0): LazyLinear(in_features=0, out_features=512, bias=True)
    (1): ELU(alpha=1.0)
    (2): Linear(in_features=512, out_features=20, bias=True)
  )
  (value): MLP(
    (0): LazyLinear(in_features=0, out_features=512, bias=True)
    (1): ELU(alpha=1.0)
    (2): Linear(in_features=512, out_features=1, bias=True)
  )
)
>>> x = torch.zeros(1, 3, 64, 64)
>>> y = net(x)
>>> print(y.shape)
torch.Size([1, 20])

forward(x: Tensor) → Tensor

定义每次调用时执行的计算。

应由所有子类重写。

注意

尽管前向传播的配方需要在此函数中定义，但之后应调用 Module 实例而不是此函数，因为前者会处理已注册的钩子，而后者会默默地忽略它们。