DistributionalQValueActor

class torchrl.modules.tensordict_module.DistributionalQValueActor(*args, **kwargs)

一个分布式的 DQN actor 类。

此类在输入模块之后附加一个 QValueModule，以便使用动作值来选择一个动作。

参数:

module (nn.Module) – 一个 torch.nn.Module，用于将输入映射到输出参数空间。如果模块不是 torchrl.modules.DistributionalDQNnet 类型，DistributionalQValueActor 将确保对动作值张量的维度 -2 应用 log-softmax 操作。可以通过关闭 make_log_softmax 关键字参数来取消激活此功能。

关键字参数:

• in_keys (iterable of str, optional) – 从输入 tensordict 读取并传递给模块的键。如果包含多个元素，这些值将按照 in_keys 迭代器给定的顺序传递。默认为 ["observation"]。

• spec (TensorSpec, optional) – 仅限关键字参数。输出张量的规范。如果模块输出多个张量，则 spec 表示第一个输出张量的空间。

• safe (bool) – 仅限关键字参数。如果为 True，则检查输出值是否符合输入 spec。由于探索策略或数值下溢/上溢问题，可能会发生越界采样。如果此值越界，则使用 TensorSpec.project 方法将其投影回所需空间。默认为 False。

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

• support (torch.Tensor) – 动作值的支持度。

• action_space (str, optional) – 动作空间。必须是 "one-hot", "mult-one-hot", "binary" 或 "categorical" 之一。此参数与 spec 互斥，因为 spec 会限制 action_space。

• make_log_softmax (bool, optional) – 如果为 True 并且模块不是 torchrl.modules.DistributionalDQNnet 类型，则将对动作值张量的维度 -2 应用 log-softmax 操作。

• action_value_key (str or tuple of str, optional) – 如果输入模块是 tensordict.nn.TensorDictModuleBase 实例，它必须匹配其输出键之一。否则，此字符串表示输出 tensordict 中动作值条目的名称。

• action_mask_key (str or tuple of str, optional) – 表示动作掩码的输入键。默认为 "None" (相当于没有掩码)。

示例

>>> import torch
>>> from tensordict import TensorDict
>>> from tensordict.nn import TensorDictModule, TensorDictSequential
>>> from torch import nn
>>> from torchrl.data import OneHot
>>> from torchrl.modules import DistributionalQValueActor, MLP
>>> td = TensorDict({'observation': torch.randn(5, 4)}, [5])
>>> nbins = 3
>>> module = MLP(out_features=(nbins, 4), depth=2)
>>> # let us make sure that the output is a log-softmax
>>> module = TensorDictSequential(
...     TensorDictModule(module, ["observation"], ["action_value"]),
...     TensorDictModule(lambda x: x.log_softmax(-2), ["action_value"], ["action_value"]),
... )
>>> action_spec = OneHot(4)
>>> qvalue_actor = DistributionalQValueActor(
...     module=module,
...     spec=action_spec,
...     support=torch.arange(nbins))
>>> td = qvalue_actor(td)
>>> print(td)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([5, 4]), device=cpu, dtype=torch.int64, is_shared=False),
        action_value: Tensor(shape=torch.Size([5, 3, 4]), device=cpu, dtype=torch.float32, is_shared=False),
        observation: Tensor(shape=torch.Size([5, 4]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([5]),
    device=None,
    is_shared=False)