QMixerLoss

class torchrl.objectives.multiagent.QMixerLoss(*args, **kwargs)

QMixer 损失类。

根据混合网络将本地智能体 q 值混合到全局 q 值中，然后在全局值上使用 DQN 更新。此损失适用于多智能体应用程序。因此，它期望“local_value”、“action_value”和“action”键具有智能体维度（这在默认的 AcceptedKeys 中可见）。此维度将由混合器混合，该混合器将计算一个“global_value”键，用于 DQN 目标。类型为 torchrl.modules.models.multiagent.Mixer 的预制混合器将期望多智能体维度是倒数第二个维度。

参数：

• local_value_network (QValueActor 或 nn.Module) – 本地 Q 值运算符。

• mixer_network (TensorDictModule 或 nn.Module) – 一个混合网络，将智能体的本地 Q 值和可选状态映射到全局 Q 值。建议提供一个包装来自 torchrl.modules.models.multiagent.Mixer 的混合器的 TensorDictModule。

关键字参数：

• loss_function (str, 可选) – 值差异的损失函数。可以是“l1”、“l2”或“smooth_l1”之一。默认为“l2”。

• delay_value (bool, 可选) – 是否将值网络复制到一个新的目标值网络中以创建双 DQN。默认值为 False。

• action_space (str 或 TensorSpec, 可选) – 动作空间。必须是“one-hot”、“mult_one_hot”、“binary”或“categorical”之一，或相应规范的实例（torchrl.data.OneHotDiscreteTensorSpec、torchrl.data.MultiOneHotDiscreteTensorSpec、torchrl.data.BinaryDiscreteTensorSpec 或 torchrl.data.DiscreteTensorSpec）。如果未提供，将尝试从值网络中检索它。

• priority_key (NestedKey, 可选) – [已弃用，请改用 .set_keys(priority_key=priority_key) 而不是] 假设优先级存储在添加到此 ReplayBuffer 的 TensorDict 中的键。这将在采样器类型为 PrioritizedSampler 时使用。默认为 "td_error"。

示例

>>> import torch
>>> from torch import nn
>>> from tensordict import TensorDict
>>> from tensordict.nn import TensorDictModule
>>> from torchrl.modules import QValueModule, SafeSequential
>>> from torchrl.modules.models.multiagent import QMixer
>>> from torchrl.objectives.multiagent import QMixerLoss
>>> n_agents = 4
>>> module = TensorDictModule(
...     nn.Linear(10,3), in_keys=[("agents", "observation")], out_keys=[("agents", "action_value")]
... )
>>> value_module = QValueModule(
...     action_value_key=("agents", "action_value"),
...     out_keys=[
...         ("agents", "action"),
...         ("agents", "action_value"),
...         ("agents", "chosen_action_value"),
...     ],
...     action_space="categorical",
... )
>>> qnet = SafeSequential(module, value_module)
>>> qmixer = TensorDictModule(
...    module=QMixer(
...        state_shape=(64, 64, 3),
...        mixing_embed_dim=32,
...        n_agents=n_agents,
...        device="cpu",
...    ),
...    in_keys=[("agents", "chosen_action_value"), "state"],
...    out_keys=["chosen_action_value"],
... )
>>> loss = QMixerLoss(qnet, qmixer, action_space="categorical")
>>> td = TensorDict(
...    {
...        "agents": TensorDict(
...            {"observation": torch.zeros(32, n_agents, 10)}, [32, n_agents]
...        ),
...        "state": torch.zeros(32, 64, 64, 3),
...        "next": TensorDict(
...           {
...                "agents": TensorDict(
...                     {"observation": torch.zeros(32, n_agents, 10)}, [32, n_agents]
...                ),
...                "state": torch.zeros(32, 64, 64, 3),
...                "reward": torch.zeros(32, 1),
...                "done": torch.zeros(32, 1, dtype=torch.bool),
...                "terminated": torch.zeros(32, 1, dtype=torch.bool),
...            },
...            [32],
...        ),
...    },
...    [32],
... )
>>> loss(qnet(td))
TensorDict(
    fields={
        loss: Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([]),
    device=None,
    is_shared=False)

forward(tensordict: TensorDictBase) → TensorDict

它旨在读取一个输入 TensorDict 并返回另一个包含名为“loss*”的损失键的 tensordict。

将损失拆分为其组成部分后，训练器可以用来在整个训练过程中记录各种损失值。输出 tensordict 中的其他标量也将被记录。

参数：

tensordict – 一个包含计算损失所需值的输入 tensordict。

返回值：

一个新的不包含批次维度的 tensordict，其中包含各种损失标量，这些标量将被命名为“loss*”。必须使用此名称返回损失，因为它们将在反向传播之前由训练器读取。

make_value_estimator(value_type: Optional[ValueEstimators] = None, **hyperparams)

值函数构造器。

如果想要非默认值函数，则必须使用此方法构建它。

参数：

• value_type (ValueEstimators) – 一个 ValueEstimators 枚举类型，指示要使用的值函数。如果未提供，将使用存储在 default_value_estimator 属性中的默认值。生成的估值器类将注册在 self.value_type 中，允许将来进行改进。

• **hyperparams – 用于值函数的超参数。如果未提供，将使用 default_value_kwargs() 中指示的值。

示例

>>> from torchrl.objectives import DQNLoss
>>> # initialize the DQN loss
>>> actor = torch.nn.Linear(3, 4)
>>> dqn_loss = DQNLoss(actor, action_space="one-hot")
>>> # updating the parameters of the default value estimator
>>> dqn_loss.make_value_estimator(gamma=0.9)
>>> dqn_loss.make_value_estimator(
...     ValueEstimators.TD1,
...     gamma=0.9)
>>> # if we want to change the gamma value
>>> dqn_loss.make_value_estimator(dqn_loss.value_type, gamma=0.9)