NoisyLinear

class torchrl.modules.NoisyLinear(in_features: int, out_features: int, bias: bool = True, device: Optional[Union[device, str, int]] = None, dtype: Optional[dtype] = None, std_init: float = 0.1)

噪声线性层。

出自《用于探索的噪声网络》（Noisy Networks for Exploration），https://arxiv.org/abs/1706.10295v3

噪声线性层是一种在线性层权重中添加参数化噪声的层。这种引入的随机性可用于 RL（强化学习）网络的智能体策略中，以帮助进行高效探索。噪声的参数与其他剩余网络权重一起通过梯度下降进行学习。通常采用分解式高斯噪声。

参数：

• in_features (int) – 输入特征维度

• out_features (int) – 输出特征维度

• bias (bool, 可选) – 如果为 True，则会在矩阵乘法中添加一个偏置项：Ax + b。默认为 True

• device (DEVICE_TYPING, 可选) – 层的设备。默认为 "cpu"

• dtype (torch.dtype, 可选) – 参数的数据类型。默认为 None（默认 PyTorch 数据类型）

• std_init (标量, 可选) – 优化前高斯标准差的初始值。默认为 0.1