BraxEnv¶

torchrl.envs.BraxEnv(*args, **kwargs)[來源]¶

使用環境名稱建立的 Google Brax 環境包裝器。

Brax 提供基於 Jax 的向量化和可微分的模擬框架。 TorchRL 的包裝器會產生一些 jax-to-torch 轉換的額外負擔，但計算圖仍然可以建立在模擬軌跡之上，允許透過 rollout 進行反向傳播。

GitHub：https://github.com/google/brax

論文：https://arxiv.org/abs/2106.13281

參數:

env_name (str) – 要包裝的環境的環境名稱。必須是 available_envs 的一部分。
categorical_action_encoding (bool, optional) – 如果 True，類別規格將轉換為 TorchRL 等效項 (torchrl.data.Categorical)，否則將使用 one-hot 編碼 (torchrl.data.OneHot)。預設為 False。

關鍵字引數:

from_pixels (bool, optional) – 尚不支援。
frame_skip (int, optional) – 如果提供，則指示要重複相同動作的步數。回傳的觀察結果將是序列的最後一個觀察結果，而獎勵將是各個步驟的獎勵總和。
device (torch.device, optional) – 如果提供，則為要將資料投射到的裝置。預設為 torch.device("cpu")。
batch_size (torch.Size, optional) – 環境的批次大小。在 brax 中，這表示向量化環境的數量。預設為 torch.Size([])。
allow_done_after_reset (bool, optional) – 如果 True，則可以容忍 envs 在呼叫 reset() 之後立即 done。預設為 False。

變數:

available_envs – 可供建置的環境

範例

>>> from torchrl.envs import BraxEnv
>>> import torch
>>> device = "cuda" if torch.cuda.is_available() else "cpu"
>>> env = BraxEnv("ant", device=device)
>>> env.set_seed(0)
>>> td = env.reset()
>>> td["action"] = env.action_spec.rand()
>>> td = env.step(td)
>>> print(td)
TensorDict(
    fields={
        action: Tensor(torch.Size([8]), dtype=torch.float32),
        done: Tensor(torch.Size([1]), dtype=torch.bool),
        next: TensorDict(
            fields={
                observation: Tensor(torch.Size([87]), dtype=torch.float32)},
            batch_size=torch.Size([]),
            device=cpu,
            is_shared=False),
        observation: Tensor(torch.Size([87]), dtype=torch.float32),
        reward: Tensor(torch.Size([1]), dtype=torch.float32),
        state: TensorDict(...)},
    batch_size=torch.Size([]),
    device=cpu,
    is_shared=False)
>>> print(env.available_envs)
['acrobot', 'ant', 'fast', 'fetch', ...]

為了充分利用 Brax，通常會同時執行多個環境。在以下範例中，我們反覆測試不同的批次大小，並報告短 rollout 的執行時間

範例

>>> import torch
>>> from torch.utils.benchmark import Timer
>>> device = "cuda" if torch.cuda.is_available() else "cpu"
>>> for batch_size in [4, 16, 128]:
...     timer = Timer('''
... env.rollout(100)
... ''',
...     setup=f'''
... from torchrl.envs import BraxEnv
... env = BraxEnv("ant", batch_size=[{batch_size}], device="{device}")
... env.set_seed(0)
... env.rollout(2)
... ''')
...     print(batch_size, timer.timeit(10))
4
env.rollout(100)
setup: [...]
310.00 ms
1 measurement, 10 runs , 1 thread

16 env.rollout(100) setup: […] 268.46 ms 1 measurement, 10 runs , 1 thread

128 env.rollout(100) setup: […] 433.80 ms 1 measurement, 10 runs , 1 thread

可以透過 rollout 進行反向傳播並直接最佳化策略

>>> from torchrl.envs import BraxEnv
>>> from tensordict.nn import TensorDictModule
>>> from torch import nn
>>> import torch
>>>
>>> env = BraxEnv("ant", batch_size=[10], requires_grad=True)
>>> env.set_seed(0)
>>> torch.manual_seed(0)
>>> policy = TensorDictModule(nn.Linear(27, 8), in_keys=["observation"], out_keys=["action"])
>>>
>>> td = env.rollout(10, policy)
>>>
>>> td["next", "reward"].mean().backward(retain_graph=True)
>>> print(policy.module.weight.grad.norm())
tensor(213.8605)

BraxEnv¶

文件

教學

資源