ReplayBufferTrainer

class torchrl.trainers.ReplayBufferTrainer(replay_buffer: TensorDictReplayBuffer, batch_size: Optional[int] = None, memmap: bool = False, device: DEVICE_TYPING | None = None, flatten_tensordicts: bool = False, max_dims: Optional[Sequence[int]] = None)

回放缓冲区钩子提供者。

参数:

• replay_buffer (TensorDictReplayBuffer) – 要使用的回放缓冲区。

• batch_size (int, optional) – 从最新采集或回放缓冲区中采样数据时的批次大小。如果未提供，将使用回放缓冲区的批次大小（对于批次大小不变的情况，这是首选选项）。

• memmap (bool, optional) – 如果为 True，则创建一个 memmap tensordict。默认为 False。

• device (device, optional) – 必须放置样本的设备。默认为 None。

• flatten_tensordicts (bool, optional) – 如果为 True，tensordict 在传递给回放缓冲区之前将被展平（或等效地使用从收集器获得的有效掩码进行掩码）。否则，除了填充（见下文 max_dims 参数）之外，不会执行其他变换。默认为 False。

• max_dims (int 序列, optional) – 如果 flatten_tensordicts 设置为 False，这将是一个列表，其长度等于提供的 tensordict 的批次大小，表示每个 tensordict 的最大尺寸。如果提供，此尺寸列表将用于填充 tensordict，并在将其传递给回放缓冲区之前使其形状匹配。如果没有最大值，应提供 -1。

示例

>>> rb_trainer = ReplayBufferTrainer(replay_buffer=replay_buffer, batch_size=N)
>>> trainer.register_op("batch_process", rb_trainer.extend)
>>> trainer.register_op("process_optim_batch", rb_trainer.sample)
>>> trainer.register_op("post_loss", rb_trainer.update_priority)

register(trainer: Trainer, name: str = None)

在 trainer 的默认位置注册钩子。

参数:

• trainer (Trainer) – 必须注册钩子的 trainer。

• name (str) – 钩子的名称。

注意

要在非默认位置注册钩子，请使用 register_op()。