ValueEstimatorBase

class torchrl.objectives.value.ValueEstimatorBase(*args, **kwargs)

值函数模块的抽象父类。

它的 ValueFunctionBase.forward() 方法将计算值（由值网络给出）和值估计（由值估计器给出），以及优势，并将这些值写入输出张量字典。

如果只需要值估计，则应使用 ValueFunctionBase.value_estimate() 代替。

abstract forward(tensordict: TensorDictBase, *, params: TensorDictBase | None = None, target_params: TensorDictBase | None = None) → TensorDictBase

根据 tensordict 中的数据计算优势估计。

如果提供函数式模块，则可以将包含参数（以及相关目标参数）的嵌套张量字典传递给模块。

参数：

tensordict (TensorDictBase) – 一个包含数据（观察键、"action"、("next", "reward")、("next", "done")、("next", "terminated") 和 "next" 张量字典状态，由环境返回）的张量字典，这些数据是计算值估计和 TD 估计所必需的。传递给此模块的数据应结构化为 [*B, T, *F]，其中 B 是批次大小，T 是时间维度，F 是特征维度。张量字典必须具有 [*B, T] 形状。

关键字参数：

• params (TensorDictBase, 可选) – 包含要传递给函数式值网络模块的参数的嵌套张量字典。

• target_params (TensorDictBase, 可选) – 包含要传递给函数式值网络模块的目标参数的嵌套张量字典。

返回值：

一个更新后的张量字典，其中包含在构造函数中定义的优势和值误差键。

set_keys(**kwargs) → None

设置张量字典键名。

value_estimate(tensordict, target_params: TensorDictBase | None = None, next_value: torch.Tensor | None = None, **kwargs)

获取值估计，通常用作值网络的目标值。

如果状态值键存在于 tensordict.get(("next", self.tensor_keys.value)) 下，则将使用此值，而不会求助于值网络。

参数：

• tensordict (TensorDictBase) – 包含要读取数据的张量字典。

• target_params (TensorDictBase, 可选) – 包含要传递给函数式值网络模块的目标参数的嵌套张量字典。

• next_value (torch.Tensor, 可选) – 下一状态或状态-动作对的值。与 target_params 互斥。

• **kwargs – 要传递给值网络的关键字参数。

返回值：与状态值对应的张量。