NormalParamWrapper

class torchrl.modules.NormalParamWrapper(operator: Module, scale_mapping: str = 'biased_softplus_1.0', scale_lb: Number = 0.0001)

正态分布参数的包装器。

参数:

• operator (nn.Module) – 运算符，其输出将在位置和尺度参数中进行转换

• scale_mapping (str, optional) – 与标准差一起使用的正向映射函数。默认值 = “biased_softplus_1.0”（即 softplus 映射，具有偏置，使得 fn(0.0) = 1.0）选项：“softplus”、“exp”、“relu”、“biased_softplus_1”；

• scale_lb (Number, optional) – 方差可以采用的最小值。默认值为 1e-4。

示例

>>> from torch import nn
>>> import torch
>>> module = nn.Linear(3, 4)
>>> module_normal = NormalParamWrapper(module)
>>> tensor = torch.randn(3)
>>> loc, scale = module_normal(tensor)
>>> print(loc.shape, scale.shape)
torch.Size([2]) torch.Size([2])
>>> assert (scale > 0).all()
>>> # with modules that return more than one tensor
>>> module = nn.LSTM(3, 4)
>>> module_normal = NormalParamWrapper(module)
>>> tensor = torch.randn(4, 2, 3)
>>> loc, scale, others = module_normal(tensor)
>>> print(loc.shape, scale.shape)
torch.Size([4, 2, 2]) torch.Size([4, 2, 2])
>>> assert (scale > 0).all()

forward(*tensors: Tensor) → Tuple[Tensor]

定义每次调用时执行的计算。

应由所有子类重写。

注意

尽管正向传递的配方需要在该函数内定义，但之后应调用 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。