快捷方式

ValueEstimatorBase

class torchrl.objectives.value.ValueEstimatorBase(*args, **kwargs)[源代码]

值函数模块的抽象父类。

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 tensordict。

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

abstract forward(tensordict: TensorDictBase, *, params: Optional[TensorDictBase] = None, target_params: Optional[TensorDictBase] = None) TensorDictBase[源代码]

计算给定 tensordict 中数据的优势估计。

如果提供了功能模块,则可以将包含参数(以及如果相关,目标参数)的嵌套 TensorDict 传递给该模块。

参数:

tensordict (TensorDictBase) – 包含数据(观察键、"action"("next", "reward")("next", "done")("next", "terminated")"next" tensordict 状态,由环境返回)的 TensorDict,用于计算值估计和 TDEstimate。传递给此模块的数据应结构化为 [*B, T, *F],其中 B 是批大小,T 是时间维度,F 是特征维度。tensordict 必须具有形状 [*B, T]

关键字参数:
  • params (TensorDictBase, optional) – 包含要传递给功能值网络模块的参数的嵌套 TensorDict。

  • target_params (TensorDictBase, optional) – 包含要传递给功能值网络模块的目标参数的嵌套 TensorDict。

返回:

更新后的 TensorDict,其中包含在构造函数中定义的优势和 value_error 键。

set_keys(**kwargs) None[源代码]

设置 tensordict 键名。

value_estimate(tensordict, target_params: Optional[TensorDictBase] = None, next_value: Optional[Tensor] = None, **kwargs)[源代码]

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,而无需重新求助于值网络。

参数:
  • tensordict (TensorDictBase) – 包含要读取的数据的 tensordict。

  • target_params (TensorDictBase, optional) – 包含要传递给功能值网络模块的目标参数的嵌套 TensorDict。

  • next_value (torch.Tensor, optional) – 下一个状态或状态-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:对应于状态值的张量。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得问题解答

查看资源