QMixerLoss

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

QMixer 损失类。

根据混合网络将本地代理 q 值混合为全局 q 值，然后在全局值上使用 DQN 更新。此损失用于多智能体应用。因此，它期望 'local_value'、'action_value' 和 'action' 键具有代理维度（这在默认的 AcceptedKeys 中可见）。此维度将由混合器混合，混合器将计算一个 'global_value' 键，用于 DQN 目标。`torchrl.modules.models.multiagent.Mixer` 类型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) – 一个混合器网络，将代理的本地 Q 值和一个可选状态映射到全局 Q 值。建议提供一个 TensorDictModule，包装来自 torchrl.modules.models.multiagent.Mixer 的混合器。

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新的目标值网络以创建双重 DQN。默认为 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，或者是相应规范的实例 (torchrl.data.OneHot, torchrl.data.MultiOneHot, torchrl.data.Binary 或 torchrl.data.Categorical)。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)] 优先级假定存储在添加到此 ReplayBuffer 的 TensorDicts 中的键。这用于当采样器类型为 PrioritizedSampler 时。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 = None) → TensorDict

它旨在读取输入 TensorDict 并返回另一个具有名为 “loss*” 的损失键的 tensordict。

然后，训练器可以使用将其损失拆分为组件来记录整个训练过程中的各种损失值。输出 tensordict 中存在的其他标量也将被记录。

参数：

tensordict – 具有计算损失所需值的输入 tensordict。

返回：

一个新的 tensordict，没有批处理维度，包含各种损失标量，这些标量将被命名为 “loss*”。至关重要的是，损失以这个名称返回，因为它们将在反向传播之前被训练器读取。

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

值函数构造器。

如果需要非默认值函数，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。结果值估计器类将在 self.value_type 中注册，从而允许将来进行改进。

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