LazyStackedTensorSpec

class torchrl.data.LazyStackedTensorSpec(*args, **kwargs)

torchrl.data.Stacked 的已棄用版本。

assert_is_in(value: Tensor) → None

斷言張量是否屬於該框，否則會引發例外。

參數:

value (torch.Tensor) – 要檢查的值。

clear_device_()

清除複合體的裝置。

clone() → T

建立 TensorSpec 的副本。

contains(item: torch.Tensor | tensordict.base.TensorDictBase) → bool

如果數值 val 可以由 TensorSpec 產生，則回傳 True，否則回傳 False。

請參閱 is_in() 以取得更多資訊。

cpu()

將 TensorSpec 轉換為 'cpu' 裝置。

cuda(device=None)

將 TensorSpec 轉換為 'cuda' 裝置。

property device: Union[device, str, int]

Spec 的裝置。

只有 Composite specs 才能擁有 None 裝置。所有葉節點都必須有非空的裝置。

encode(val: Union[ndarray, Tensor], *, ignore_device=False) → Tensor

根據指定的 spec 編碼數值，並回傳對應的張量。

此方法用於回傳一個可以輕鬆對應到 TorchRL 所需網域的數值 (例如 numpy 陣列) 的環境中。 如果該值已經是張量，則 spec 不會變更其值，並原樣回傳它。

參數:

val (np.ndarray 或 torch.Tensor) – 要編碼為張量的數值。

關鍵字引數：

ignore_device (bool, optional) – 如果 True，則會忽略 spec 裝置。 這用於在呼叫 TensorDict(..., device="cuda") 時將張量轉換分組，這樣速度更快。

回傳：

符合所需張量規範的 torch.Tensor。

expand(*shape)

回傳具有擴展形狀的新 Spec。

參數:

*shape (tuple 或 int 的 iterable) – Spec 的新形狀。必須可與目前形狀進行廣播：其長度必須至少與目前形狀長度一樣長，並且其最後的值也必須相容；也就是說，只有在目前維度是單例時，它們才能與它不同。

flatten(start_dim: int, end_dim: int) → T

展平 TensorSpec。

有關此方法的更多資訊，請查看 flatten()。

classmethod implements_for_spec(torch_function: Callable) → Callable

為 TensorSpec 註冊 torch 函式覆寫。

abstract index(index: Union[int, Tensor, ndarray, slice, List], tensor_to_index: torch.Tensor | tensordict.base.TensorDictBase) → torch.Tensor | tensordict.base.TensorDictBase

索引輸入的張量。

參數:

• index (int, torch.Tensor, slice 或 list) – 張量的索引

• tensor_to_index – 要被索引的張量

回傳：

被索引的張量

is_in(value) → bool

如果數值 val 可以由 TensorSpec 產生，則回傳 True，否則回傳 False。

更精確地說，is_in 方法會檢查數值 val 是否在 space 屬性（即盒 (box)）定義的範圍內，並且 dtype、device、shape 以及潛在的其他元數據是否與 spec 的匹配。如果任何這些檢查失敗，is_in 方法將返回 False。

參數:

val (torch.Tensor) – 要檢查的數值。

回傳：

布林值，表示數值是否屬於 TensorSpec 的盒。

make_neg_dim(dim: int)

將特定維度轉換為 -1。

property ndim

spec 形狀的維度數量。

是 len(spec.shape) 的捷徑。

ndimension()

spec 形狀的維度數量。

是 len(spec.shape) 的捷徑。

one(shape: Optional[Size] = None) → TensorDictBase

返回一個在盒中填充 1 的張量。

備註

即使不能保證 1 屬於 spec 域，但此方法在違反此條件時也不會引發例外。 one 的主要用例是生成空的資料緩衝區，而不是有意義的資料。

參數:

shape (torch.Size) – one-tensor 的形狀

回傳：

一個在 TensorSpec 盒中採樣的填充 1 的張量。

ones(shape: Optional[Size] = None) → torch.Tensor | tensordict.base.TensorDictBase

是 one() 的代理。

project(val: torch.Tensor | tensordict.base.TensorDictBase) → torch.Tensor | tensordict.base.TensorDictBase

如果輸入的張量不在 TensorSpec 盒中，則會根據某些已定義的啟發式方法將其映射回盒中。

參數:

val (torch.Tensor) – 要映射到盒中的張量。

回傳：

一個屬於 TensorSpec 盒的 torch.Tensor。

rand(shape: Optional[Size] = None) → TensorDictBase

回傳由 spec 定義的空間中的隨機張量。

除非該範圍是無界的，否則將在該空間上均勻地進行取樣，在無界的情況下，將繪製常態值。

參數:

shape (torch.Size) – 隨機張量的形狀

回傳：

在 TensorSpec 範圍內取樣的隨機張量。

reshape(*shape) → T

重塑 TensorSpec。

有關此方法的更多資訊，請查看 reshape()。

sample(shape: Optional[Size] = None) → torch.Tensor | tensordict.base.TensorDictBase

回傳由 spec 定義的空間中的隨機張量。

有關詳細資訊，請參閱 rand()。

squeeze(dim: Optional[int] = None)

回傳一個新的 Spec，其中已移除所有大小為 1 的維度。

當給定 dim 時，僅在該維度上進行 squeeze 運算。

參數:

dim (int 或 None) – 要對其應用 squeeze 運算的維度

to(dest: Union[dtype, device, str, int]) → T

將 TensorSpec 轉換為 device 或 dtype。

如果沒有任何更改，則傳回相同的 spec。

to_numpy(val: Tensor, safe: Optional[bool] = None) → dict

回傳輸入張量對應的 np.ndarray。

這旨在成為 encode() 的反向操作。

參數:

• val (torch.Tensor) – 要轉換為 numpy 的張量。

• safe (bool) – 布林值，指示是否應針對 spec 的 domain 對值執行檢查。 預設為 CHECK_SPEC_ENCODE 環境變數的值。

回傳：

一個 np.ndarray。

type_check(value: Tensor, key: Optional[NestedKey] = None) → None

根據 TensorSpec dtype 檢查輸入值 dtype，如果它們不匹配，則會引發例外。

參數:

• value (torch.Tensor) – 要檢查其 dtype 的張量。

• key (str, optional) – 如果 TensorSpec 具有鍵，則將根據指示鍵指向的 spec 檢查值 dtype。

unflatten(dim: int, sizes: Tuple[int]) → T

將 TensorSpec 解扁平化。

請參考 unflatten() 以獲得關於此方法的更多資訊。

unsqueeze(dim: int)

返回一個新的 Spec，在 dim 所指示的位置增加一個單例維度。

參數:

dim (int or None) – 應用 unsqueeze 操作的維度。

view(*shape) → T

重塑 TensorSpec。

有關此方法的更多資訊，請查看 reshape()。

zero(shape: Optional[Size] = None) → TensorDictBase

在框中返回一個填充零的張量。

備註

即使無法保證 0 屬於 spec 域，此方法在違反此條件時也不會引發例外。 zero 的主要用例是生成空的數據緩衝區，而不是有意義的數據。

參數:

shape (torch.Size) – 零張量的形狀

回傳：

在 TensorSpec 框中採樣的填充零的張量。

zeros(shape: Optional[Size] = None) → torch.Tensor | tensordict.base.TensorDictBase

代理到 zero()。