ReplayBufferTrainer

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

回放缓冲区 hook 提供程序。

参数:

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

• batch_size (int, optional) – 从最新集合或回放缓冲区采样数据时的批量大小。如果未提供，将使用回放缓冲区的批量大小（对于未更改的批量大小，这是首选选项）。

• memmap (bool, optional) – 如果 True，则创建一个内存映射 tensordict。默认为 False。

• device (device, optional) – 样本必须放置的设备。默认为 cpu。

• flatten_tensordicts (bool, optional) – 如果 True，则 tensordict 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），然后再传递到回放缓冲区。 否则，除了填充之外，不会实现其他转换（参见下面的 max_dims 参数）。默认为 False。

• max_dims (int 序列, optional) – 如果 flatten_tensordicts 设置为 False，这将是表示每个 tensordict 最大大小的所提供 tensordict 的批量大小长度的列表。如果提供，此大小列表将用于填充 tensordict 并使其形状匹配，然后再将其传递到回放缓冲区。 如果没有最大值，则应提供 -1 值。

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 = 'replay_buffer')

在训练器的默认位置注册 hook。

参数:

• trainer (Trainer) – 必须注册 hook 的训练器。

• name (str) – hook 的名称。

注意

要在默认位置以外的其他位置注册 hook，请使用 register_op()。