EGreedyWrapper

class torchrl.modules.EGreedyWrapper(*args, **kwargs)

[已弃用] Epsilon-Greedy PO 包装器。

参数:

policy (TensorDictModule) – 确定性策略。

关键字参数:

• eps_init (标量, 可选) – 初始 epsilon 值。默认值：1.0

• eps_end (标量, 可选) – 最终 epsilon 值。默认值：0.1

• annealing_num_steps (int, 可选) – epsilon 值达到 eps_end 值所需的步数

• action_key (NestedKey, 可选) – 在输入 tensordict 中可以找到动作的键。默认值为 "action"。

• action_mask_key (NestedKey, 可选) – 在输入 tensordict 中可以找到动作掩码的键。默认值为 None（对应于无掩码）。

• spec (TensorSpec, 可选) – 如果提供，则将从此动作空间中采样动作。如果未提供，探索包装器将尝试从策略中恢复它。

注意

一旦模块被包装在 EGreedyWrapper 中，在训练循环中务必包含对 step() 的调用以更新探索因子。由于不容易捕捉到此遗漏，如果省略此操作，将不会发出警告或异常！

示例

>>> import torch
>>> from tensordict import TensorDict
>>> from torchrl.modules import EGreedyWrapper, Actor
>>> from torchrl.data import Bounded
>>> torch.manual_seed(0)
>>> spec = Bounded(-1, 1, torch.Size([4]))
>>> module = torch.nn.Linear(4, 4, bias=False)
>>> policy = Actor(spec=spec, module=module)
>>> explorative_policy = EGreedyWrapper(policy, eps_init=0.2)
>>> td = TensorDict({"observation": torch.zeros(10, 4)}, batch_size=[10])
>>> print(explorative_policy(td).get("action"))
tensor([[ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.9055, -0.9277, -0.6295, -0.2532],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000],
        [ 0.0000,  0.0000,  0.0000,  0.0000]], grad_fn=<AddBackward0>)