SerialEnv¶

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

在同一個進程中建立一系列環境。批次環境允許使用者查詢遠端執行的環境的任意方法/屬性。

這些查詢將傳回一個長度等於工作人員數量的列表，其中包含這些查詢產生的值。

>>> env = ParallelEnv(3, my_env_fun)
>>> custom_attribute_list = env.custom_attribute
>>> custom_method_list = env.custom_method(*args)

參數:

num_workers – 要同時部署的工作人員（即環境實例）數量；
create_env_fn (可呼叫物件 或 可呼叫物件的列表) – 用於環境建立的函數（或函數列表）。如果使用單一任務，則應使用可呼叫物件，而不是相同的可呼叫物件列表：如果提供可呼叫物件的列表，則環境將被執行，就好像需要多個不同的任務一樣，這會帶來輕微的計算開銷；

關鍵字參數:

create_env_kwargs (dict 或 dicts 的列表, 選用) – 與正在建立的環境一起使用的 kwargs；
share_individual_td (bool, 選用) – 如果 True，則為每個進程/工作人員建立不同的 tensordict，並傳回惰性堆疊。預設值 = None（如果是單一任務，則為 False）；
shared_memory (bool) – 傳回的 tensordict 是否將放置在共享記憶體中；
memmap (bool) – 傳回的 tensordict 是否將放置在記憶體映射中。
policy_proof (可呼叫物件, 選用) – 如果提供，它將用於取得透過 step() 和 reset() 方法傳回的張量列表，例如 "hidden" 等。
device (str, int, torch.device) – 可以傳遞批次環境的裝置。如果沒有，則從環境推斷。在這種情況下，假設所有環境的裝置都匹配。如果提供了它，則可以與子環境裝置不同。在這種情況下，資料將在收集過程中自動轉換為適當的裝置。這可用於加速收集，以防轉換到裝置引入開銷（例如，基於 numpy 的環境等）：透過使用批次環境的 "cuda" 裝置，但巢狀環境的 "cpu" 裝置，可以將開銷降到最低。
num_threads (int, 選用) – 此進程的執行緒數。應該等於 1 加上每個子進程中啟動的進程數（如果啟動單個進程，則為 1）。預設值為工作人員數量 + 1。此參數對於 SerialEnv 類別無效。
num_sub_threads (int, optional) – 子進程的執行緒數量。為了安全起見，預設值為 1：如果沒有指定，啟動多個 worker 可能會過度增加 CPU 負載，進而影響效能。此參數對 SerialEnv 類別沒有作用。
serial_for_single (bool, optional) – 如果為 True，則建立具有單個 worker 的平行環境將返回 SerialEnv。此選項對 SerialEnv 沒有作用。預設值為 False。
non_blocking (bool, optional) – 如果為 True，則設備移動將使用 non_blocking=True 選項完成。預設值為 True。
mp_start_method (str, optional) – multiprocessing 的啟動方法。如果沒有指定，則使用預設的啟動方法（如果在首次導入之前沒有以其他方式啟動，則在 TorchRL 中預設為 ‘spawn’）。僅與 ParallelEnv 子類別一起使用。
use_buffers (bool, optional) –
worker 之間的通訊是否應透過預先分配的環形記憶體緩衝區進行。預設值為 True，除非其中一個環境具有動態規格。

注意

在此處了解更多關於動態規格和環境的信息。

注意

可以使用以下技術將關鍵字參數傳遞給每個子環境：reset() 中的每個關鍵字參數都會傳遞給每個環境，除了 list_of_kwargs 參數之外，如果存在，它應該包含一個列表，其長度與 worker 的數量相同，並且 worker 特定的關鍵字參數儲存在字典中。如果查詢的是部分重置，則 list_of_kwargs 中對應於未重置的子環境的元素將被忽略。

範例

>>> from torchrl.envs import GymEnv, ParallelEnv, SerialEnv, EnvCreator
>>> make_env = EnvCreator(lambda: GymEnv("Pendulum-v1")) # EnvCreator ensures that the env is sharable. Optional in most cases.
>>> env = SerialEnv(2, make_env)  # Makes 2 identical copies of the Pendulum env, runs them on the same process serially
>>> env = ParallelEnv(2, make_env)  # Makes 2 identical copies of the Pendulum env, runs them on dedicated processes
>>> from torchrl.envs import DMControlEnv
>>> env = ParallelEnv(2, [
...     lambda: DMControlEnv("humanoid", "stand"),
...     lambda: DMControlEnv("humanoid", "walk")])  # Creates two independent copies of Humanoid, one that walks one that stands
>>> rollout = env.rollout(10)  # executes 10 random steps in the environment
>>> rollout[0]  # data for Humanoid stand
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([10, 21]), device=cpu, dtype=torch.float64, is_shared=False),
        com_velocity: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
        done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        extremities: Tensor(shape=torch.Size([10, 12]), device=cpu, dtype=torch.float64, is_shared=False),
        head_height: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float64, is_shared=False),
        joint_angles: Tensor(shape=torch.Size([10, 21]), device=cpu, dtype=torch.float64, is_shared=False),
        next: TensorDict(
            fields={
                com_velocity: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
                done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                extremities: Tensor(shape=torch.Size([10, 12]), device=cpu, dtype=torch.float64, is_shared=False),
                head_height: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                joint_angles: Tensor(shape=torch.Size([10, 21]), device=cpu, dtype=torch.float64, is_shared=False),
                reward: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                torso_vertical: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
                truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                velocity: Tensor(shape=torch.Size([10, 27]), device=cpu, dtype=torch.float64, is_shared=False)},
            batch_size=torch.Size([10]),
            device=cpu,
            is_shared=False),
        terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        torso_vertical: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
        truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        velocity: Tensor(shape=torch.Size([10, 27]), device=cpu, dtype=torch.float64, is_shared=False)},
    batch_size=torch.Size([10]),
    device=cpu,
    is_shared=False)
>>> rollout[1]  # data for Humanoid walk
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([10, 21]), device=cpu, dtype=torch.float64, is_shared=False),
        com_velocity: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
        done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        extremities: Tensor(shape=torch.Size([10, 12]), device=cpu, dtype=torch.float64, is_shared=False),
        head_height: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float64, is_shared=False),
        joint_angles: Tensor(shape=torch.Size([10, 21]), device=cpu, dtype=torch.float64, is_shared=False),
        next: TensorDict(
            fields={
                com_velocity: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
                done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                extremities: Tensor(shape=torch.Size([10, 12]), device=cpu, dtype=torch.float64, is_shared=False),
                head_height: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                joint_angles: Tensor(shape=torch.Size([10, 21]), device=cpu, dtype=torch.float64, is_shared=False),
                reward: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float64, is_shared=False),
                terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                torso_vertical: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
                truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                velocity: Tensor(shape=torch.Size([10, 27]), device=cpu, dtype=torch.float64, is_shared=False)},
            batch_size=torch.Size([10]),
            device=cpu,
            is_shared=False),
        terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        torso_vertical: Tensor(shape=torch.Size([10, 3]), device=cpu, dtype=torch.float64, is_shared=False),
        truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        velocity: Tensor(shape=torch.Size([10, 27]), device=cpu, dtype=torch.float64, is_shared=False)},
    batch_size=torch.Size([10]),
    device=cpu,
    is_shared=False)
>>> # serial_for_single to avoid creating parallel envs if not necessary
>>> env = ParallelEnv(1, make_env, serial_for_single=True)
>>> assert isinstance(env, SerialEnv)  # serial_for_single allows you to avoid creating parallel envs when not necessary

property action_key: NestedKey¶

環境的動作鍵。

預設情況下，這將是 “action”。

如果環境中有多個動作鍵，此函數將引發例外。

property action_keys: List[NestedKey]¶

環境的動作鍵。

預設情況下，只會有一個名為 “action” 的鍵。

鍵按照資料樹中的深度排序。

property action_spec: TensorSpec¶

action 規格。

action_spec 始終儲存為複合規格。

如果動作規格以簡單規格提供，則將傳回此規格。

>>> env.action_spec = Unbounded(1)
>>> env.action_spec
UnboundedContinuous(
    shape=torch.Size([1]),
    space=ContinuousBox(
        low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True),
        high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)),
    device=cpu,
    dtype=torch.float32,
    domain=continuous)

如果動作規格以複合規格提供，並且僅包含一個葉節點，則此函數將僅傳回該葉節點。

>>> env.action_spec = Composite({"nested": {"action": Unbounded(1)}})
>>> env.action_spec
UnboundedContinuous(
    shape=torch.Size([1]),
    space=ContinuousBox(
        low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True),
        high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)),
    device=cpu,
    dtype=torch.float32,
    domain=continuous)

如果動作規格以複合規格提供，並且具有多個葉節點，則此函數將傳回整個規格。

>>> env.action_spec = Composite({"nested": {"action": Unbounded(1), "another_action": Categorical(1)}})
>>> env.action_spec
Composite(
    nested: Composite(
        action: UnboundedContinuous(
            shape=torch.Size([1]),
            space=ContinuousBox(
                low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True),
                high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)),
            device=cpu,
            dtype=torch.float32,
            domain=continuous),
        another_action: Categorical(
            shape=torch.Size([]),
            space=DiscreteBox(n=1),
            device=cpu,
            dtype=torch.int64,
            domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

要檢索傳遞的完整規格，請使用

>>> env.input_spec["full_action_spec"]

此屬性是可變的。

範例

>>> from torchrl.envs.libs.gym import GymEnv
>>> env = GymEnv("Pendulum-v1")
>>> env.action_spec
BoundedContinuous(
    shape=torch.Size([1]),
    space=ContinuousBox(
        low=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True),
        high=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True)),
    device=cpu,
    dtype=torch.float32,
    domain=continuous)

add_module(name: str, module: Optional[Module]) → None¶

將子模組新增至目前的模組。

可以使用給定的名稱作為屬性來存取該模組。

參數:

name (str) – 子模組的名稱。可以使用給定的名稱從此模組存取子模組
module (Module) – 要新增至模組的子模組。

add_truncated_keys()¶: 將截斷的鍵新增至環境。

append_transform(transform: 'Transform' | Callable[[TensorDictBase], TensorDictBase]) → None¶

傳回一個轉換後的環境，其中應用了傳遞的可呼叫物件/轉換。

參數:: transform (Transform 或 Callable[[TensorDictBase], TensorDictBase]) – 要應用於環境的轉換。

範例

>>> from torchrl.envs import GymEnv
>>> import torch
>>> env = GymEnv("CartPole-v1")
>>> loc = 0.5
>>> scale = 1.0
>>> transform = lambda data: data.set("observation", (data.get("observation") - loc)/scale)
>>> env = env.append_transform(transform=transform)
>>> print(env)
TransformedEnv(
    env=GymEnv(env=CartPole-v1, batch_size=torch.Size([]), device=cpu),
    transform=_CallableTransform(keys=[]))

apply(fn: Callable[[Module], None]) → T¶

將 fn 遞迴地應用於每個子模組（由 .children() 傳回）以及自身。

典型的用法包括初始化模型的參數（另請參閱 torch.nn.init）。

參數:: fn (Module -> None) – 將函數應用於每個子模組
回傳值:: self
回傳類型:: Module

範例

>>> @torch.no_grad()
>>> def init_weights(m):
>>>     print(m)
>>>     if type(m) == nn.Linear:
>>>         m.weight.fill_(1.0)
>>>         print(m.weight)
>>> net = nn.Sequential(nn.Linear(2, 2), nn.Linear(2, 2))
>>> net.apply(init_weights)
Linear(in_features=2, out_features=2, bias=True)
Parameter containing:
tensor([[1., 1.],
        [1., 1.]], requires_grad=True)
Linear(in_features=2, out_features=2, bias=True)
Parameter containing:
tensor([[1., 1.],
        [1., 1.]], requires_grad=True)
Sequential(
  (0): Linear(in_features=2, out_features=2, bias=True)
  (1): Linear(in_features=2, out_features=2, bias=True)
)

property batch_locked: bool¶

環境是否可以使用與初始化時不同的批次大小。

如果為 True，則需要使用與環境具有相同批次大小的 tensordict。 batch_locked 是一個不可變的屬性。

property batch_size: Size¶

在此環境實例中批次處理的環境數量，組織成一個 torch.Size() 物件。

環境可能相似或不同，但假設它們之間幾乎沒有交互作用（例如，多任務或平行批次執行）。

bfloat16() → T¶

將所有浮點參數和緩衝區轉換為 bfloat16 資料類型。

注意

此方法會就地修改模組。

回傳值:: self
回傳類型:: Module

buffers(recurse: bool = True) → Iterator[Tensor]¶

回傳模組緩衝區的迭代器。

參數:: recurse (bool) – 如果為 True，則產生此模組和所有子模組的緩衝區。否則，僅產生作為此模組直接成員的緩衝區。
產生:: torch.Tensor – 模組緩衝區

範例

>>> # xdoctest: +SKIP("undefined vars")
>>> for buf in model.buffers():
>>>     print(type(buf), buf.size())
<class 'torch.Tensor'> (20L,)
<class 'torch.Tensor'> (20L, 1L, 5L, 5L)

children() → Iterator[Module]¶

回傳直接子模組的迭代器。

產生:: Module – 一個子模組

compile(*args, **kwargs)¶

使用 torch.compile() 編譯此模組的 forward。

此模組的 __call__ 方法被編譯，所有參數都按原樣傳遞給 torch.compile()。

有關此函數的參數的詳細資訊，請參閱 torch.compile()。

cpu() → T¶

將所有模型參數和緩衝區移動到 CPU。

注意

此方法會就地修改模組。

回傳值:: self
回傳類型:: Module

cuda(device: Optional[Union[int, device]] = None) → T¶

將所有模型參數和緩衝區移動到 GPU。

這也會使相關聯的參數和緩衝區成為不同的對象。因此，如果模組在被最佳化時將駐留在 GPU 上，則應在建構最佳化器之前呼叫它。

注意

此方法會就地修改模組。

參數:: device (int, optional) – 如果指定，所有參數都將複製到該裝置
回傳值:: self
回傳類型:: Module

property done_key¶

環境的 done 鍵。

預設情況下，這將是 "done"。

如果環境中有多個 done 鍵，此函數將引發例外。

property done_keys: List[NestedKey]¶

環境的 done 鍵。

預設情況下，只會有一個名為 "done" 的鍵。

鍵按照資料樹中的深度排序。

property done_keys_groups¶

一個 done 鍵的列表，分組為 reset 鍵。

這是一個列表的列表。外部列表的長度為 reset 鍵的長度，內部列表包含可以讀取以在缺少 reset 時確定 reset 的 done 鍵（例如，done 和 truncated）。

property done_spec: TensorSpec¶

done 的 spec。

done_spec 始終儲存為複合 spec。

如果 done spec 作為簡單 spec 提供，則會回傳此 spec。

>>> env.done_spec = Categorical(2, dtype=torch.bool)
>>> env.done_spec
Categorical(
    shape=torch.Size([]),
    space=DiscreteBox(n=2),
    device=cpu,
    dtype=torch.bool,
    domain=discrete)

如果 done spec 作為複合 spec 提供，並且僅包含一個葉節點，則此函數將僅回傳該葉節點。

>>> env.done_spec = Composite({"nested": {"done": Categorical(2, dtype=torch.bool)}})
>>> env.done_spec
Categorical(
    shape=torch.Size([]),
    space=DiscreteBox(n=2),
    device=cpu,
    dtype=torch.bool,
    domain=discrete)

如果 done spec 作為複合 spec 提供，並且具有多個葉節點，則此函數將回傳整個 spec。

>>> env.done_spec = Composite({"nested": {"done": Categorical(2, dtype=torch.bool), "another_done": Categorical(2, dtype=torch.bool)}})
>>> env.done_spec
Composite(
    nested: Composite(
        done: Categorical(
            shape=torch.Size([]),
            space=DiscreteBox(n=2),
            device=cpu,
            dtype=torch.bool,
            domain=discrete),
        another_done: Categorical(
            shape=torch.Size([]),
            space=DiscreteBox(n=2),
            device=cpu,
            dtype=torch.bool,
            domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

要始終檢索傳遞的完整 spec，請使用

>>> env.output_spec["full_done_spec"]

此屬性是可變的。

範例

>>> from torchrl.envs.libs.gym import GymEnv
>>> env = GymEnv("Pendulum-v1")
>>> env.done_spec
Categorical(
    shape=torch.Size([1]),
    space=DiscreteBox(n=2),
    device=cpu,
    dtype=torch.bool,
    domain=discrete)

double() → T¶

將所有浮點數參數和緩衝區轉換為 double 資料類型。

注意

此方法會就地修改模組。

回傳值:: self
回傳類型:: Module

empty_cache()¶

清除所有快取的值。

對於常規的環境，鍵值列表（reward、done 等）會被快取，但在某些情況下，它們可能會在程式碼執行期間發生變化（例如，添加轉換時）。

eval() → T¶

將模組設定為評估模式。

這只對某些模組有影響。有關它們在訓練/評估模式下的行為的詳細信息，請參閱特定模組的文檔，例如 Dropout, BatchNorm 等。

這等同於 self.train(False)。

請參閱局部禁用梯度計算，以比較 .eval() 和可能與之混淆的幾個類似機制。

回傳值:: self
回傳類型:: Module

extra_repr() → str¶

設定模組的額外表示。

要印出自訂的額外信息，您應該在您自己的模組中重新實現此方法。單行和多行字串都是可以接受的。

fake_tensordict() → TensorDictBase¶: 返回一個假的 tensordict，其鍵值對在形狀、裝置和資料類型上與環境 rollout 期間預期的相符。

float() → T¶

將所有浮點數參數和緩衝區轉換為 float 資料類型。

注意

此方法會就地修改模組。

回傳值:: self
回傳類型:: Module

forward(tensordict: TensorDictBase) → TensorDictBase¶

定義每次調用時執行的計算。

應由所有子類別覆寫。

注意

雖然前向傳遞的配方需要在這個函數中定義，但應該在之後調用 Module 實例，而不是這個函數，因為前者會處理運行的註冊鉤子，而後者會靜默地忽略它們。

property full_action_spec: Composite¶

完整的動作規範。

full_action_spec 是一個 Composite` 實例，其中包含所有動作條目。

範例

>>> from torchrl.envs import BraxEnv
>>> for envname in BraxEnv.available_envs:
...     break
>>> env = BraxEnv(envname)
>>> env.full_action_spec

Composite(

action: BoundedContinuous(

shape=torch.Size([8]), space=ContinuousBox(

low=Tensor(shape=torch.Size([8]), device=cpu, dtype=torch.float32, contiguous=True), high=Tensor(shape=torch.Size([8]), device=cpu, dtype=torch.float32, contiguous=True)),

device=cpu, dtype=torch.float32, domain=continuous), device=cpu, shape=torch.Size([]))

property full_done_spec: Composite¶

完整的 done 規範。

full_done_spec 是一個 Composite` 實例，其中包含所有 done 條目。它可用於生成具有模仿運行時獲得的結構的假數據。

範例

>>> import gymnasium
>>> from torchrl.envs import GymWrapper
>>> env = GymWrapper(gymnasium.make("Pendulum-v1"))
>>> env.full_done_spec
Composite(
    done: Categorical(
        shape=torch.Size([1]),
        space=DiscreteBox(n=2),
        device=cpu,
        dtype=torch.bool,
        domain=discrete),
    truncated: Categorical(
        shape=torch.Size([1]),
        space=DiscreteBox(n=2),
        device=cpu,
        dtype=torch.bool,
        domain=discrete), device=cpu, shape=torch.Size([]))

property full_reward_spec: Composite¶

完整的 reward 規範。

full_reward_spec 是一個 Composite` 實例，其中包含所有 reward 條目。

範例

>>> import gymnasium
>>> from torchrl.envs import GymWrapper, TransformedEnv, RenameTransform
>>> base_env = GymWrapper(gymnasium.make("Pendulum-v1"))
>>> env = TransformedEnv(base_env, RenameTransform("reward", ("nested", "reward")))
>>> env.full_reward_spec
Composite(
    nested: Composite(
        reward: UnboundedContinuous(
            shape=torch.Size([1]),
            space=ContinuousBox(
                low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True),
                high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)),
            device=cpu,
            dtype=torch.float32,
            domain=continuous), device=None, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

property full_state_spec: Composite¶

完整的 state 規範。

full_state_spec 是一個 Composite` 實例，其中包含所有 state 條目（即，不是動作的輸入數據）。

範例

>>> from torchrl.envs import BraxEnv
>>> for envname in BraxEnv.available_envs:
...     break
>>> env = BraxEnv(envname)
>>> env.full_state_spec
Composite(
    state: Composite(
        pipeline_state: Composite(
            q: UnboundedContinuous(
                shape=torch.Size([15]),
                space=None,
                device=cpu,
                dtype=torch.float32,
                domain=continuous),
    [...], device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

get_buffer(target: str) → Tensor¶

返回由 target 給出的緩衝區（如果存在），否則拋出錯誤。

有關此方法功能的更詳細說明以及如何正確指定 target，請參閱 get_submodule 的 docstring。

參數:: target – 要查找的緩衝區的完整限定字串名稱。（請參閱 get_submodule 以了解如何指定完整限定字串。）
回傳值:: 由 target 引用的緩衝區
回傳類型:: torch.Tensor
Raises:: AttributeError – 如果目標字串參考到無效的路徑，或者解析為非 buffer 的物件，則會引發此錯誤。

get_extra_state() → Any¶

傳回要包含在模組 state_dict 中的任何額外狀態。

如果需要儲存額外狀態，請實作此方法以及對應的 set_extra_state()。此函數會在建立模組的 state_dict() 時呼叫。

請注意，額外狀態應該是可以 picklable 的，以確保 state_dict 的序列化能正常運作。我們僅為序列化 Tensor 提供向後相容性保證；如果其他物件的序列化 pickled 形式發生變化，可能會破壞向後相容性。

回傳值:: 要儲存在模組 state_dict 中的任何額外狀態
回傳類型:: 物件

get_parameter(target: str) → Parameter¶

如果存在，則傳回由 target 給定的參數，否則會引發錯誤。

有關此方法功能的更詳細說明以及如何正確指定 target，請參閱 get_submodule 的 docstring。

參數:: target – 要尋找的 Parameter 的完整字串名稱。(請參閱 get_submodule 以了解如何指定完整字串。)
回傳值:: 由 target 參考的 Parameter
回傳類型:: torch.nn.Parameter
Raises:: AttributeError – 如果目標字串參考到無效的路徑，或者解析為非 nn.Parameter 的物件，則會引發此錯誤。

get_submodule(target: str) → Module¶

如果存在，則傳回由 target 給定的子模組，否則會引發錯誤。

例如，假設您有一個 nn.Module A，如下所示

A(
    (net_b): Module(
        (net_c): Module(
            (conv): Conv2d(16, 33, kernel_size=(3, 3), stride=(2, 2))
        )
        (linear): Linear(in_features=100, out_features=200, bias=True)
    )
)

(圖表顯示一個 nn.Module A。A 有一個巢狀子模組 net_b，它本身有兩個子模組 net_c 和 linear。net_c 然後有一個子模組 conv。)

要檢查我們是否有 linear 子模組，我們會呼叫 get_submodule("net_b.linear")。要檢查我們是否有 conv 子模組，我們會呼叫 get_submodule("net_b.net_c.conv")。

get_submodule 的執行時間受限於 target 中模組巢狀結構的程度。對 named_modules 的查詢可以達到相同的結果，但它是 O(N)，其中 N 是可傳遞模組的數量。因此，對於一個簡單的檢查，以查看是否存在某個子模組，應始終使用 get_submodule。

參數:: target – 要尋找的子模組的完整字串名稱。(有關如何指定完整字串，請參閱以上範例。)
回傳值:: 由 target 參考的子模組
回傳類型:: torch.nn.Module
Raises:: AttributeError – 如果目標字串參考到無效的路徑，或者解析為非 nn.Module 的物件，則會引發此錯誤。

half() → T¶

將所有浮點參數和 buffer 轉換為 half 資料類型。

注意

此方法會就地修改模組。

回傳值:: self
回傳類型:: Module

property input_spec: TensorSpec¶

輸入規範。

包含環境輸入資料的所有規範的複合規範。

它包含

“full_action_spec”: 輸入動作的規範
“full_state_spec”: 所有其他環境輸入的規範

這個屬性是鎖定的，應該是唯讀的。相反地，要設定其中包含的規範，請使用各自的屬性。

範例

>>> from torchrl.envs.libs.gym import GymEnv
>>> env = GymEnv("Pendulum-v1")
>>> env.input_spec
Composite(
    full_state_spec: None,
    full_action_spec: Composite(
        action: BoundedContinuous(
            shape=torch.Size([1]),
            space=ContinuousBox(
                low=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True),
                high=Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, contiguous=True)),
            device=cpu,
            dtype=torch.float32,
            domain=continuous), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

ipu(device: Optional[Union[int, device]] = None) → T¶

將所有模型參數和 buffer 移動到 IPU。

這也會使相關聯的參數和 buffer 成為不同的物件。因此，如果模組將在 IPU 上運行並進行優化，則應在建構優化器之前呼叫此方法。

注意

此方法會就地修改模組。

參數:: device (int, optional) – 如果指定，所有參數都將複製到該裝置
回傳值:: self
回傳類型:: Module

load_state_dict(*args, **kwargs)[原始碼]¶

將來自 state_dict 的參數和 buffer 複製到此模組及其子模組中。

如果 strict 為 True，則 state_dict 的鍵必須與此模組的 state_dict() 函數傳回的鍵完全匹配。

警告

如果 assign 為 True，則必須在呼叫 load_state_dict 之後建立 optimizer，除非 get_swap_module_params_on_conversion() 為 True。

參數:

state_dict (dict) – 包含參數和持久緩衝區的字典。
strict (bool, optional) – 是否嚴格強制執行 state_dict 中的鍵與此模組的 state_dict() 函式傳回的鍵相符。預設值：True
assign (bool, optional) – 當 False 時，會保留目前模組中 tensors 的屬性；當 True 時，則會保留 state dict 中 Tensors 的屬性。唯一的例外是 requires_grad 欄位。 Default: ``False`

回傳值:

missing_keys 是一個字串列表，其中包含此模組預期但提供的 state_dict 中缺少的任何鍵。
此模組預期但提供的 state_dict 中缺少的任何鍵。
unexpected_keys 是一個字串列表，其中包含此模組不預期但
存在於提供的 state_dict 中的鍵。

回傳類型:

帶有 missing_keys 和 unexpected_keys 欄位的 NamedTuple

注意

如果參數或緩衝區註冊為 None 且其對應的鍵存在於 state_dict 中，則 load_state_dict() 將引發 RuntimeError。

maybe_reset(tensordict: TensorDictBase) → TensorDictBase¶

檢查輸入 tensordict 的 done 鍵，如果需要，重置已完成的環境。

參數:: tensordict (TensorDictBase) – 來自 step_mdp() 輸出的 tensordict。
回傳值:: 一個 tensordict，與輸入相同，其中環境未重置，並且包含環境已重置的新重置資料。

modules() → Iterator[Module]¶

傳回網路中所有模組的迭代器。

產生:: Module – 網路中的一個模組

注意

重複的模組只會傳回一次。在以下範例中，l 只會傳回一次。

範例

>>> l = nn.Linear(2, 2)
>>> net = nn.Sequential(l, l)
>>> for idx, m in enumerate(net.modules()):
...     print(idx, '->', m)

0 -> Sequential(
  (0): Linear(in_features=2, out_features=2, bias=True)
  (1): Linear(in_features=2, out_features=2, bias=True)
)
1 -> Linear(in_features=2, out_features=2, bias=True)

mtia(device: Optional[Union[int, device]] = None) → T¶

將所有模型參數和緩衝區移動到 MTIA。

這也會使關聯的參數和緩衝區成為不同的物件。因此，如果模組將在 MTIA 上運行並進行最佳化，則應在建構 optimizer 之前呼叫此方法。

注意

此方法會就地修改模組。

參數:: device (int, optional) – 如果指定，所有參數都將複製到該裝置
回傳值:: self
回傳類型:: Module

named_buffers(prefix: str = '', recurse: bool = True, remove_duplicate: bool = True) → Iterator[Tuple[str, Tensor]]¶

傳回模組緩衝區的迭代器，同時產生緩衝區的名稱和緩衝區本身。

參數:

prefix (str) – 要附加到所有緩衝區名稱的前綴。
recurse (bool, optional) – 若為 True，則會產生此模組和所有子模組的緩衝區。否則，僅產生屬於此模組直接成員的緩衝區。預設值為 True。
remove_duplicate (bool, optional) – 是否移除結果中重複的緩衝區。預設值為 True。

產生:

(str, torch.Tensor) – 包含名稱和緩衝區的 Tuple

範例

>>> # xdoctest: +SKIP("undefined vars")
>>> for name, buf in self.named_buffers():
>>>     if name in ['running_var']:
>>>         print(buf.size())

named_children() → Iterator[Tuple[str, Module]]¶

返回一個迭代器，遍歷直接子模組，並產生模組的名稱以及模組本身。

產生:: (str, Module) – 包含名稱和子模組的 Tuple

範例

>>> # xdoctest: +SKIP("undefined vars")
>>> for name, module in model.named_children():
>>>     if name in ['conv4', 'conv5']:
>>>         print(module)

named_modules(memo: Optional[Set[Module]] = None, prefix: str = '', remove_duplicate: bool = True)¶

返回一個迭代器，遍歷網路中的所有模組，並產生模組的名稱以及模組本身。

參數:

memo – 一個儲存已添加到結果中的模組集合的備忘錄。
prefix – 將添加到模組名稱的前綴。
remove_duplicate – 是否移除結果中重複的模組實例。

產生:

(str, Module) – 名稱和模組的 Tuple

注意

重複的模組只會傳回一次。在以下範例中，l 只會傳回一次。

範例

>>> l = nn.Linear(2, 2)
>>> net = nn.Sequential(l, l)
>>> for idx, m in enumerate(net.named_modules()):
...     print(idx, '->', m)

0 -> ('', Sequential(
  (0): Linear(in_features=2, out_features=2, bias=True)
  (1): Linear(in_features=2, out_features=2, bias=True)
))
1 -> ('0', Linear(in_features=2, out_features=2, bias=True))

named_parameters(prefix: str = '', recurse: bool = True, remove_duplicate: bool = True) → Iterator[Tuple[str, Parameter]]¶

返回一個迭代器，遍歷模組參數，並產生參數的名稱以及參數本身。

參數:

prefix (str) – 要添加到所有參數名稱的前綴。
recurse (bool) – 若為 True，則產生此模組和所有子模組的參數。否則，僅產生屬於此模組直接成員的參數。
remove_duplicate (bool, optional) – 是否移除結果中重複的參數。預設值為 True。

產生:

(str, Parameter) – 包含名稱和參數的 Tuple

範例

>>> # xdoctest: +SKIP("undefined vars")
>>> for name, param in self.named_parameters():
>>>     if name in ['bias']:
>>>         print(param.size())

property observation_spec: Composite¶

Observation spec (觀察規格)。

必須是 torchrl.data.Composite 的實例。在 reset 和 step 之後，可以直接訪問規格中列出的鍵。

在 TorchRL 中，即使它們嚴格來說不是「observations (觀察)」，所有來自環境的 info、states、transforms 的結果等輸出，都儲存在 observation_spec 中。

因此，"observation_spec" 應該被認為是環境輸出（不是 done 或 reward 資料）的通用資料容器。

範例

>>> from torchrl.envs.libs.gym import GymEnv
>>> env = GymEnv("Pendulum-v1")
>>> env.observation_spec
Composite(
    observation: BoundedContinuous(
        shape=torch.Size([3]),
        space=ContinuousBox(
            low=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True),
            high=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True)),
        device=cpu,
        dtype=torch.float32,
        domain=continuous), device=cpu, shape=torch.Size([]))

property output_spec: TensorSpec¶

Output spec (輸出規格)。

包含來自環境的所有資料輸出的規格的複合規格。

它包含

“full_reward_spec”: reward (獎勵) 的規格
“full_done_spec”: done (完成) 的規格
“full_observation_spec”: 所有其他環境輸出的規格

這個屬性是鎖定的，應該是唯讀的。相反地，要設定其中包含的規範，請使用各自的屬性。

範例

>>> from torchrl.envs.libs.gym import GymEnv
>>> env = GymEnv("Pendulum-v1")
>>> env.output_spec
Composite(
    full_reward_spec: Composite(
        reward: UnboundedContinuous(
            shape=torch.Size([1]),
            space=None,
            device=cpu,
            dtype=torch.float32,
            domain=continuous), device=cpu, shape=torch.Size([])),
    full_observation_spec: Composite(
        observation: BoundedContinuous(
            shape=torch.Size([3]),
            space=ContinuousBox(
                low=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True),
                high=Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, contiguous=True)),
            device=cpu,
            dtype=torch.float32,
            domain=continuous), device=cpu, shape=torch.Size([])),
    full_done_spec: Composite(
        done: Categorical(
            shape=torch.Size([1]),
            space=DiscreteBox(n=2),
            device=cpu,
            dtype=torch.bool,
            domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

parameters(recurse: bool = True) → Iterator[Parameter]¶

回傳 module 參數的迭代器。

這通常會傳遞給最佳化器。

參數:: recurse (bool) – 若為 True，則產生此模組和所有子模組的參數。否則，僅產生屬於此模組直接成員的參數。
產生:: Parameter – module 參數

範例

>>> # xdoctest: +SKIP("undefined vars")
>>> for param in model.parameters():
>>>     print(type(param), param.size())
<class 'torch.Tensor'> (20L,)
<class 'torch.Tensor'> (20L, 1L, 5L, 5L)

rand_action(tensordict: Optional[TensorDictBase] = None)¶

根據 action_spec 屬性執行一個隨機動作。

參數:: tensordict (TensorDictBase, optional) – 要寫入結果動作的 tensordict。（可選）
回傳值:: 一個 tensordict 物件，其中的 "action" 條目已使用來自 action-spec 的隨機樣本進行更新。

rand_step(tensordict: Optional[TensorDictBase] = None) → TensorDictBase¶

根據 action_spec 屬性，在環境中執行一個隨機步驟。

參數:: tensordict (TensorDictBase, optional) – 要寫入結果資訊的 tensordict。（可選）
回傳值:: 一個 tensordict 物件，包含在環境中執行隨機步驟後的新觀察結果。該動作將使用 "action" 鍵儲存。

register_backward_hook(hook: Callable[[Module, Union[Tuple[Tensor, ...], Tensor], Union[Tuple[Tensor, ...], Tensor]], Union[None, Tuple[Tensor, ...], Tensor]]) → RemovableHandle¶

在 module 上註冊一個 backward hook。

此函數已被棄用，建議使用 register_full_backward_hook()，並且此函數的行為將在未來的版本中變更。

回傳值:: 一個 handle，可用於透過呼叫 handle.remove() 來移除已新增的 hook。
回傳類型:: torch.utils.hooks.RemovableHandle

register_buffer(name: str, tensor: Optional[Tensor], persistent: bool = True) → None¶

將 buffer 新增至 module。

這通常用於註冊一個不應被視為模型參數的 buffer。例如，BatchNorm 的 running_mean 不是參數，但它是 module 狀態的一部分。預設情況下，Buffers 是持久性的，並且將與參數一起儲存。可以透過將 persistent 設定為 False 來變更此行為。持久性 buffer 和非持久性 buffer 之間的唯一區別是後者不會成為此 module 的 state_dict 的一部分。

可以使用給定的名稱以屬性的形式存取 Buffers。

參數:

name (str) – buffer 的名稱。可以使用給定的名稱從此 module 存取 buffer
tensor (Tensor 或 None) – 要註冊的緩衝區。如果為 None，則會忽略對緩衝區執行的操作，例如 cuda。如果為 None，則該緩衝區不會包含在模組的 state_dict 中。
persistent (bool) – 緩衝區是否為此模組的 state_dict 的一部分。

範例

>>> # xdoctest: +SKIP("undefined vars")
>>> self.register_buffer('running_mean', torch.zeros(num_features))

register_forward_hook(hook: Union[Callable[[T, Tuple[Any, ...], Any], Optional[Any]], Callable[[T, Tuple[Any, ...], Dict[str, Any], Any], Optional[Any]]], *, prepend: bool = False, with_kwargs: bool = False, always_call: bool = False) → RemovableHandle¶

在模組上註冊一個 forward hook。

每次 forward() 計算出一個輸出後，都會調用該 hook。

如果 with_kwargs 為 False 或未指定，則輸入僅包含給模組的位置引數。關鍵字引數不會傳遞給 hook，僅傳遞給 forward。 Hook 可以修改輸出。它可以就地修改輸入，但由於在 forward() 呼叫後調用，因此不會對 forward 產生影響。該 hook 應具有以下簽章：

hook(module, args, output) -> None or modified output

如果 with_kwargs 為 True，則 forward hook 將傳遞給 forward 函式的 kwargs，並期望傳回可能已修改的輸出。該 hook 應具有以下簽章：

hook(module, args, kwargs, output) -> None or modified output

參數:

hook (Callable) – 要註冊的使用者定義 hook。
prepend (bool) – 如果 True，則提供的 hook 將在此 torch.nn.modules.Module 上的所有現有 forward hook 之前觸發。否則，提供的 hook 將在此 torch.nn.modules.Module 上的所有現有 forward hook 之後觸發。請注意，使用 register_module_forward_hook() 註冊的全域 forward hook 將在此方法註冊的所有 hook 之前觸發。預設值：False
with_kwargs (bool) – 如果 True，則 hook 將傳遞給 forward 函式的 kwargs。預設值：False
always_call (bool) – 如果 True，則無論在呼叫 Module 時是否引發異常，都會執行 hook。預設值：False

回傳值:

一個 handle，可用於透過呼叫 handle.remove() 來移除已新增的 hook。

回傳類型:

torch.utils.hooks.RemovableHandle

register_forward_pre_hook(hook: Union[Callable[[T, Tuple[Any, ...]], Optional[Any]], Callable[[T, Tuple[Any, ...], Dict[str, Any]], Optional[Tuple[Any, Dict[str, Any]]]], *, prepend: bool = False, with_kwargs: bool = False) → RemovableHandle¶

在模組上註冊一個前向預先hook (forward pre-hook)。

每次呼叫 forward() 之前，都會呼叫這個hook。

如果 with_kwargs 為 false 或未指定，則輸入僅包含傳遞給模組的位置參數。關鍵字參數不會傳遞給 hook，只會傳遞給 forward。這個 hook 可以修改輸入。使用者可以在 hook 中回傳一個 tuple 或一個單一修改過的值。如果回傳單一值（除非該值已經是一個 tuple），我們會將該值包裝成一個 tuple。這個 hook 應該具有以下簽章：

hook(module, args) -> None or modified input

如果 with_kwargs 為 true，則前向預先hook將會傳遞給 forward 函式的 kwargs。而且如果 hook 修改了輸入，則 args 和 kwargs 都應該被回傳。這個 hook 應該具有以下簽章：

hook(module, args, kwargs) -> None or a tuple of modified input and kwargs

參數:

hook (Callable) – 要註冊的使用者定義 hook。
prepend (bool) – 如果為 true，提供的 hook 將會在所有現有的 forward_pre hook 之前被觸發在這個 torch.nn.modules.Module 上。否則，提供的 hook 將會在所有現有的 forward_pre hook 之後被觸發在這個 torch.nn.modules.Module 上。請注意，使用 register_module_forward_pre_hook() 註冊的全域 forward_pre hook 將會在透過此方法註冊的所有 hook 之前觸發。預設值： False
with_kwargs (bool) – 如果為 true，hook 將會傳遞給 forward 函式的 kwargs。預設值： False

回傳值:

一個 handle，可用於透過呼叫 handle.remove() 來移除已新增的 hook。

回傳類型:

torch.utils.hooks.RemovableHandle

register_full_backward_hook(hook: Callable[[Module, Union[Tuple[Tensor, ...], Tensor], Union[Tuple[Tensor, ...], Tensor]], Union[None, Tuple[Tensor, ...], Tensor]], prepend: bool = False) → RemovableHandle¶

在 module 上註冊一個 backward hook。

每次計算模組的梯度時，都會呼叫這個 hook，也就是說，只有在計算模組輸出的梯度時，才會執行這個 hook。這個 hook 應該具有以下簽名：

hook(module, grad_input, grad_output) -> tuple(Tensor) or None

grad_input 和 grad_output 是包含輸入和輸出梯度的元組。這個 hook 不應該修改它的參數，但它可以選擇性地傳回相對於輸入的新梯度，該梯度將代替後續計算中的 grad_input。grad_input 只會對應到作為位置引數給定的輸入，並且所有 kwarg 引數都會被忽略。對於所有非 Tensor 引數，grad_input 和 grad_output 中的條目將為 None。

由於技術原因，當此 hook 應用於模組時，其 forward 函數將接收傳遞給該模組的每個 Tensor 的視圖。同樣地，呼叫者將收到該模組的 forward 函數傳回的每個 Tensor 的視圖。

警告

在使用 backward hook 時，不允許就地修改輸入或輸出，否則會引發錯誤。

參數:

hook (Callable) – 要註冊的使用者定義 hook。
prepend (bool) – 如果為 true，則提供的 hook 將在這個 torch.nn.modules.Module 上所有現有的 backward hook 之前觸發。否則，提供的 hook 將在這個 torch.nn.modules.Module 上所有現有的 backward hook 之後觸發。請注意，使用 register_module_full_backward_hook() 註冊的全域 backward hook 將在這個方法註冊的所有 hook 之前觸發。

回傳值:

一個 handle，可用於透過呼叫 handle.remove() 來移除已新增的 hook。

回傳類型:

torch.utils.hooks.RemovableHandle

register_full_backward_pre_hook(hook: Callable[[Module, Union[Tuple[Tensor, ...], Tensor], Union[None, Tuple[Tensor, ...], Tensor]], prepend: bool = False) → RemovableHandle¶

在模組上註冊一個 backward pre-hook。

每次計算模組的梯度時，都會呼叫這個 hook。這個 hook 應該具有以下簽名：

hook(module, grad_output) -> tuple[Tensor] or None

grad_output 是一個 tuple。這個 hook 不應該修改它的參數，但它可以選擇性地返回一個新的、關於輸出的梯度，該梯度將用來取代後續計算中的 grad_output。對於所有非 Tensor 的參數，grad_output 中的條目將會是 None。

由於技術原因，當此 hook 應用於模組時，其 forward 函數將接收傳遞給該模組的每個 Tensor 的視圖。同樣地，呼叫者將收到該模組的 forward 函數傳回的每個 Tensor 的視圖。

警告

當使用 backward hooks 時，不允許就地 (inplace) 修改輸入，否則會引發錯誤。

參數:

hook (Callable) – 要註冊的使用者定義 hook。
prepend (bool) – 如果為 true，則提供的 hook 將在這個 torch.nn.modules.Module 上的所有現有 backward_pre hooks 之前觸發。否則，提供的 hook 將在這個 torch.nn.modules.Module 上的所有現有 backward_pre hooks 之後觸發。請注意，使用 register_module_full_backward_pre_hook() 註冊的全域 backward_pre hooks 將在由此方法註冊的所有 hooks 之前觸發。

回傳值:

一個 handle，可用於透過呼叫 handle.remove() 來移除已新增的 hook。

回傳類型:

torch.utils.hooks.RemovableHandle

classmethod register_gym(id: str, *, entry_point: Callable | None = None, transform: 'Transform' | None = None, info_keys: List[NestedKey] | None = None, backend: str = None, to_numpy: bool = False, reward_threshold: float | None = None, nondeterministic: bool = False, max_episode_steps: int | None = None, order_enforce: bool = True, autoreset: bool = False, disable_env_checker: bool = False, apply_api_compatibility: bool = False, **kwargs)¶

在 gym(nasium) 中註冊一個環境。

此方法的設計考慮了以下範圍：

將一個 TorchRL 優先的環境整合到一個使用 Gym 的框架中；

將另一個環境（例如，DeepMind Control、Brax、Jumanji 等）整合到一個使用 Gym 的框架中。

參數:

id (str) – 環境的名稱。應遵循 gym 命名慣例。

關鍵字參數:

entry_point (callable, optional) –

用於構建環境的入口點。如果沒有傳遞任何內容，將使用父類作為入口點。通常，這用於註冊一個不一定繼承自正在使用的基類的環境

>>> from torchrl.envs import DMControlEnv
>>> DMControlEnv.register_gym("DMC-cheetah-v0", env_name="cheetah", task="run")
>>> # equivalently
>>> EnvBase.register_gym("DMC-cheetah-v0", entry_point=DMControlEnv, env_name="cheetah", task="run")

transform (torchrl.envs.Transform) – 一個 transform（或 torchrl.envs.Compose 實例中的 transform 列表），將與環境一起使用。這個 arg 可以在調用 make() 時傳遞（見下面的例子）。
info_keys (List[NestedKey], optional) –
如果提供，這些鍵將用於構建 info 字典，並且將從觀察鍵中排除。這個 arg 可以在調用 make() 時傳遞（見下面的例子）。

警告

使用 info_keys 可能會導致 spec 為空，因為內容已移動到 info 字典中。Gym 不喜歡 spec 中空的 Dict，因此應使用 RemoveEmptySpecs 刪除此空內容。
backend (str, optional) – 後端。可以是 “gym” 或 “gymnasium”，或任何其他與 set_gym_backend 相容的後端。
to_numpy (bool, optional) – 如果 True，則對 step 和 reset 的呼叫結果會被映射到 numpy 陣列。預設為 False (結果為 tensors)。此參數可以在呼叫 make() 時傳遞 (見下方範例)。
reward_threshold (float, optional) – [Gym kwarg] 認為環境已學習的獎勵閾值。
nondeterministic (bool, optional) – [Gym kwarg] 環境是否為非確定性的 (即使知道初始種子和所有動作)。預設為 False。
max_episode_steps (int, optional) – [Gym kwarg] 截斷前的最大 episodes 步數。由 Time Limit wrapper 使用。
order_enforce (bool, optional) – [Gym >= 0.14] 是否應套用 order enforcer wrapper 以確保使用者以正確的順序執行函數。預設為 True。
autoreset (bool, optional) – [Gym >= 0.14] 是否應新增 autoreset wrapper，以便不需要呼叫 reset。預設為 False。
disable_env_checker – [Gym >= 0.14] 是否應為環境停用環境檢查器。預設為 False。
apply_api_compatibility – [Gym >= 0.26] 是否套用 StepAPICompatibility wrapper。預設為 False。
**kwargs – 任意關鍵字引數，將傳遞給環境建構子。

注意

TorchRL 的環境沒有 "info" 字典的概念，因為 TensorDict 提供了大多數訓練設定中認為必要的所有儲存需求。儘管如此，您可以使用 info_keys 引數來精細控制哪些應被視為觀察，以及哪些應被視為資訊。

範例

>>> # Register the "cheetah" env from DMControl with the "run" task
>>> from torchrl.envs import DMControlEnv
>>> import torch
>>> DMControlEnv.register_gym("DMC-cheetah-v0", to_numpy=False, backend="gym", env_name="cheetah", task_name="run")
>>> import gym
>>> envgym = gym.make("DMC-cheetah-v0")
>>> envgym.seed(0)
>>> torch.manual_seed(0)
>>> envgym.reset()
({'position': tensor([-0.0855,  0.0215, -0.0881, -0.0412, -0.1101,  0.0080,  0.0254,  0.0424],
       dtype=torch.float64), 'velocity': tensor([ 1.9609e-02, -1.9776e-04, -1.6347e-03,  3.3842e-02,  2.5338e-02,
         3.3064e-02,  1.0381e-04,  7.6656e-05,  1.0204e-02],
       dtype=torch.float64)}, {})
>>> envgym.step(envgym.action_space.sample())
({'position': tensor([-0.0833,  0.0275, -0.0612, -0.0770, -0.1256,  0.0082,  0.0186,  0.0476],
       dtype=torch.float64), 'velocity': tensor([ 0.2221,  0.2256,  0.5930,  2.6937, -3.5865, -1.5479,  0.0187, -0.6825,
         0.5224], dtype=torch.float64)}, tensor([0.0018], dtype=torch.float64), tensor([False]), tensor([False]), {})
>>> # same environment with observation stacked
>>> from torchrl.envs import CatTensors
>>> envgym = gym.make("DMC-cheetah-v0", transform=CatTensors(in_keys=["position", "velocity"], out_key="observation"))
>>> envgym.reset()
({'observation': tensor([-0.1005,  0.0335, -0.0268,  0.0133, -0.0627,  0.0074, -0.0488, -0.0353,
        -0.0075, -0.0069,  0.0098, -0.0058,  0.0033, -0.0157, -0.0004, -0.0381,
        -0.0452], dtype=torch.float64)}, {})
>>> # same environment with numpy observations
>>> envgym = gym.make("DMC-cheetah-v0", transform=CatTensors(in_keys=["position", "velocity"], out_key="observation"), to_numpy=True)
>>> envgym.reset()
({'observation': array([-0.11355747,  0.04257728,  0.00408397,  0.04155852, -0.0389733 ,
       -0.01409826, -0.0978704 , -0.08808327,  0.03970837,  0.00535434,
       -0.02353762,  0.05116226,  0.02788907,  0.06848346,  0.05154399,
        0.0371798 ,  0.05128025])}, {})
>>> # If gymnasium is installed, we can register the environment there too.
>>> DMControlEnv.register_gym("DMC-cheetah-v0", to_numpy=False, backend="gymnasium", env_name="cheetah", task_name="run")
>>> import gymnasium
>>> envgym = gymnasium.make("DMC-cheetah-v0")
>>> envgym.seed(0)
>>> torch.manual_seed(0)
>>> envgym.reset()
({'position': tensor([-0.0855,  0.0215, -0.0881, -0.0412, -0.1101,  0.0080,  0.0254,  0.0424],
       dtype=torch.float64), 'velocity': tensor([ 1.9609e-02, -1.9776e-04, -1.6347e-03,  3.3842e-02,  2.5338e-02,
         3.3064e-02,  1.0381e-04,  7.6656e-05,  1.0204e-02],
       dtype=torch.float64)}, {})

注意

此功能也適用於無狀態環境 (例如，BraxEnv)。

>>> import gymnasium
>>> import torch
>>> from tensordict import TensorDict
>>> from torchrl.envs import BraxEnv, SelectTransform
>>>
>>> # get action for dydactic purposes
>>> env = BraxEnv("ant", batch_size=[2])
>>> env.set_seed(0)
>>> torch.manual_seed(0)
>>> td = env.rollout(10)
>>>
>>> actions = td.get("action")
>>>
>>> # register env
>>> env.register_gym("Brax-Ant-v0", env_name="ant", batch_size=[2], info_keys=["state"])
>>> gym_env = gymnasium.make("Brax-Ant-v0")
>>> gym_env.seed(0)
>>> torch.manual_seed(0)
>>>
>>> gym_env.reset()
>>> obs = []
>>> for i in range(10):
...     obs, reward, terminated, truncated, info = gym_env.step(td[..., i].get("action"))

register_load_state_dict_post_hook(hook)¶

註冊一個後置鉤子 (post-hook)，在模組的 load_state_dict() 呼叫後執行。

它應該具有以下簽名：: hook(module, incompatible_keys) -> None

module 引數是註冊此鉤子的當前模組，而 incompatible_keys 引數是一個 NamedTuple，由屬性 missing_keys 和 unexpected_keys 組成。 missing_keys 是一個 list 的 str，其中包含遺失的鍵，而 unexpected_keys 是一個 list 的 str，其中包含意外的鍵。

如果需要，可以就地修改給定的 incompatible_keys。

請注意，使用 strict=True 呼叫 load_state_dict() 時執行的檢查，會受到鉤子對 missing_keys 或 unexpected_keys 所做修改的影響，正如預期的那樣。如果 strict=True，則向任一組鍵新增鍵將導致擲出錯誤，而清除遺失和意外鍵都將避免錯誤。

回傳值:: 一個 handle，可用於透過呼叫 handle.remove() 來移除已新增的 hook。
回傳類型:: torch.utils.hooks.RemovableHandle

register_load_state_dict_pre_hook(hook)¶

註冊一個前置鉤子 (pre-hook)，在模組的 load_state_dict() 呼叫前執行。

它應該具有以下簽名：: hook(module, state_dict, prefix, local_metadata, strict, missing_keys, unexpected_keys, error_msgs) -> None # noqa: B950

參數:: hook (Callable) – 將在載入 state dict 之前呼叫的可呼叫鉤子。

register_module(name: str, module: Optional[Module]) → None¶: add_module() 的別名。

register_parameter(name: str, param: Optional[Parameter]) → None¶

將參數新增到模組。

可以使用給定的名稱作為屬性存取該參數。

參數:

name (str) – 參數的名稱。可以使用給定的名稱從此模組存取該參數。
param (Parameter or None) – 要新增到模組的參數。如果 None，則會忽略在參數上執行的操作，例如 cuda。如果 None，則該參數不會包含在模組的 state_dict 中。

register_state_dict_post_hook(hook)¶

為 state_dict() 方法註冊一個後置鉤子 (post-hook)。

它應該具有以下簽名：: hook(module, state_dict, prefix, local_metadata) -> None

註冊的鉤子可以直接修改 state_dict。

register_state_dict_pre_hook(hook)¶

為 state_dict() 方法註冊一個前置鉤子 (pre-hook)。

它應該具有以下簽名：: hook(module, prefix, keep_vars) -> None

註冊的鉤子可用於在呼叫 state_dict 之前執行預處理。

requires_grad_(requires_grad: bool = True) → T¶

變更是否 autograd 應該記錄此模組中參數上的操作。

此方法會原地設定參數的 requires_grad 屬性。

此方法有助於凍結模組的一部分以進行微調，或個別訓練模型的部分（例如，GAN 訓練）。

請參閱在本地停用梯度計算，以比較 .requires_grad_() 和可能與其混淆的幾種類似機制。

參數:: requires_grad (bool) – autograd 是否應記錄此模組中參數上的操作。預設值：True。
回傳值:: self
回傳類型:: Module

reset(tensordict: Optional[TensorDictBase] = None, **kwargs) → TensorDictBase¶

重置環境。

至於 step 和 _step，只有私有方法 _reset 應該被 EnvBase 子類別覆寫。

參數:

tensordict (TensorDictBase, optional) – 用於包含結果新觀察值的 tensordict。在某些情況下，此輸入還可用於將參數傳遞給 reset 函式。
kwargs (optional) – 要傳遞給原生 reset 函式的其他引數。

回傳值:

一個 tensordict（或輸入的 tensordict，如果有的話），原地修改為包含結果的觀察值。

property reset_keys: List[NestedKey]¶

傳回重置鍵的列表。

重置鍵是指示部分重置的鍵，在批次、多任務或多代理設定中。它們的結構為 (*prefix, "_reset")，其中 prefix 是一個 (可能為空的) 字串元組，指向可以找到完成狀態的 tensordict 位置。

鍵按照資料樹中的深度排序。

property reward_key¶

環境的獎勵鍵。

預設情況下，這將會是 "reward"。

如果環境中有多個獎勵鍵，此函式將會引發例外狀況。

property reward_keys: List[NestedKey]¶

環境的獎勵鍵。

預設情況下，只會有一個名為 "reward" 的鍵。

鍵按照資料樹中的深度排序。

property reward_spec: TensorSpec¶

reward 的規格。

reward_spec 始終儲存為複合規格。

如果獎勵規格以簡單規格提供，則將傳回此規格。

>>> env.reward_spec = Unbounded(1)
>>> env.reward_spec
UnboundedContinuous(
    shape=torch.Size([1]),
    space=ContinuousBox(
        low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True),
        high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)),
    device=cpu,
    dtype=torch.float32,
    domain=continuous)

如果獎勵規格以複合規格提供且僅包含一個葉節點，則此函式將僅傳回該葉節點。

>>> env.reward_spec = Composite({"nested": {"reward": Unbounded(1)}})
>>> env.reward_spec
UnboundedContinuous(
    shape=torch.Size([1]),
    space=ContinuousBox(
        low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True),
        high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)),
    device=cpu,
    dtype=torch.float32,
    domain=continuous)

如果獎勵規格以複合規格提供且有多個葉節點，則此函式將傳回整個規格。

>>> env.reward_spec = Composite({"nested": {"reward": Unbounded(1), "another_reward": Categorical(1)}})
>>> env.reward_spec
Composite(
    nested: Composite(
        reward: UnboundedContinuous(
            shape=torch.Size([1]),
            space=ContinuousBox(
                low=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True),
                high=Tensor(shape=torch.Size([]), device=cpu, dtype=torch.float32, contiguous=True)),
            device=cpu,
            dtype=torch.float32,
            domain=continuous),
        another_reward: Categorical(
            shape=torch.Size([]),
            space=DiscreteBox(n=1),
            device=cpu,
            dtype=torch.int64,
            domain=discrete), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

要檢索傳遞的完整規格，請使用

>>> env.output_spec["full_reward_spec"]

此屬性是可變的。

範例

>>> from torchrl.envs.libs.gym import GymEnv
>>> env = GymEnv("Pendulum-v1")
>>> env.reward_spec
UnboundedContinuous(
    shape=torch.Size([1]),
    space=None,
    device=cpu,
    dtype=torch.float32,
    domain=continuous)

rollout(max_steps: int, policy: Optional[Callable[[TensorDictBase], TensorDictBase]] = None, callback: Optional[Callable[[TensorDictBase, ...], Any]] = None, *, auto_reset: bool = True, auto_cast_to_device: bool = False, break_when_any_done: Optional[bool] = None, break_when_all_done: Optional[bool] = None, return_contiguous: bool = True, tensordict: Optional[TensorDictBase] = None, set_truncated: bool = False, out=None, trust_policy: bool = False)¶

在環境中執行 rollout (展開)。

只要包含的環境之一返回 done=True，此函數就會停止。

參數:

max_steps (int) – 要執行的最大步數。如果環境在執行 max_steps 之前達到 done 狀態，則實際步數可能會較小。
policy (callable, optional) – 用於計算所需動作的可呼叫物件。如果未提供 policy，將使用 env.rand_step() 呼叫動作。該 policy 可以是任何可呼叫的物件，它讀取 tensordict 或觀察條目的整個序列，這些條目__按照 env.observation_spec.keys() __排序。預設值為 None。
callback (Callable[[TensorDict], Any], optional) – 在每次迭代時使用給定的 TensorDict 呼叫的函數。預設值為 None。不會收集 callback 的輸出，使用者有責任在 callback 呼叫中保存任何結果，如果需要將資料延續到 rollout 的呼叫之外。

關鍵字參數:

auto_reset (bool, optional) – 如果為 True，則在 rollout 啟動時，如果環境處於完成狀態，則會自動重置環境。預設值為 True。
auto_cast_to_device (bool, optional) – 如果為 True，則在使用 policy 之前，tensordict 的裝置會自動轉換為 policy 裝置。預設值為 False。
break_when_any_done (bool) – 如果任何 done 狀態為 True，則中斷。如果為 False，則會在完成的子環境上呼叫 reset()。預設值為 True。
break_when_all_done (bool) – 待辦事項 (TODO)
return_contiguous (bool) – 如果為 False，則會返回 LazyStackedTensorDict。預設值為 True。
tensordict (TensorDict, optional) – 如果 auto_reset 為 False，則必須提供初始 tensordict。 Rollout 將檢查此 tensordict 是否具有完成標誌，並在這些維度中重置環境（如果需要）。如果 tensordict 是 reset 的輸出，通常不應發生這種情況，但如果 tensordict 是先前 rollout 的最後一步，則可能會發生。如果需要將元資料傳遞到 reset 方法（例如無狀態環境的批次大小或裝置），則也可以在 auto_reset=True 時提供 tensordict。
set_truncated (bool, optional) – 如果為 True，則在完成 rollout 後，"truncated" 和 "done" 鍵將設定為 True。如果在 done_spec 中找不到 "truncated"，則會引發例外。截斷的鍵可以透過 env.add_truncated_keys 設定。預設值為 False。
trust_policy (bool, optional) – 如果為 True，則將信任非 TensorDictModule policy 與收集器相容。對於 CudaGraphModules，此預設值為 True，否則為 False。

回傳值:

包含結果軌跡的 TensorDict 物件。

返回的資料將標記有 "time" 維度名稱，用於 tensordict 的最後一個維度（在 env.ndim 索引處）。

rollout 很方便，可以顯示環境的資料結構。

範例

>>> # Using rollout without a policy
>>> from torchrl.envs.libs.gym import GymEnv
>>> from torchrl.envs.transforms import TransformedEnv, StepCounter
>>> env = TransformedEnv(GymEnv("Pendulum-v1"), StepCounter(max_steps=20))
>>> rollout = env.rollout(max_steps=1000)
>>> print(rollout)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.float32, is_shared=False),
        done: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                observation: Tensor(shape=torch.Size([20, 3]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.float32, is_shared=False),
                step_count: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.int64, is_shared=False),
                truncated: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
            batch_size=torch.Size([20]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([20, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        step_count: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.int64, is_shared=False),
        truncated: Tensor(shape=torch.Size([20, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([20]),
    device=cpu,
    is_shared=False)
>>> print(rollout.names)
['time']
>>> # with envs that contain more dimensions
>>> from torchrl.envs import SerialEnv
>>> env = SerialEnv(3, lambda: TransformedEnv(GymEnv("Pendulum-v1"), StepCounter(max_steps=20)))
>>> rollout = env.rollout(max_steps=1000)
>>> print(rollout)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.float32, is_shared=False),
        done: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                observation: Tensor(shape=torch.Size([3, 20, 3]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.float32, is_shared=False),
                step_count: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.int64, is_shared=False),
                truncated: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
            batch_size=torch.Size([3, 20]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([3, 20, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        step_count: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.int64, is_shared=False),
        truncated: Tensor(shape=torch.Size([3, 20, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([3, 20]),
    device=cpu,
    is_shared=False)
>>> print(rollout.names)
[None, 'time']

使用策略（一個常見的 Module 或 TensorDictModule）也很容易。

範例

>>> from torch import nn
>>> env = GymEnv("CartPole-v1", categorical_action_encoding=True)
>>> class ArgMaxModule(nn.Module):
...     def forward(self, values):
...         return values.argmax(-1)
>>> n_obs = env.observation_spec["observation"].shape[-1]
>>> n_act = env.action_spec.n
>>> # A deterministic policy
>>> policy = nn.Sequential(
...     nn.Linear(n_obs, n_act),
...     ArgMaxModule())
>>> env.rollout(max_steps=10, policy=policy)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([10]), device=cpu, dtype=torch.int64, is_shared=False),
        done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float32, is_shared=False),
                terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
            batch_size=torch.Size([10]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False),
        terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([10]),
    device=cpu,
    is_shared=False)
>>> # Under the hood, rollout will wrap the policy in a TensorDictModule
>>> # To speed things up we can do that ourselves
>>> from tensordict.nn import TensorDictModule
>>> policy = TensorDictModule(policy, in_keys=list(env.observation_spec.keys()), out_keys=["action"])
>>> env.rollout(max_steps=10, policy=policy)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([10]), device=cpu, dtype=torch.int64, is_shared=False),
        done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.float32, is_shared=False),
                terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
            batch_size=torch.Size([10]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([10, 4]), device=cpu, dtype=torch.float32, is_shared=False),
        terminated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        truncated: Tensor(shape=torch.Size([10, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([10]),
    device=cpu,
    is_shared=False)

在某些情況下，無法取得連續的 tensordict，因為它們無法堆疊。這可能會發生在每一步驟回傳的資料可能具有不同的形狀，或者不同的環境一起執行時。在這種情況下，return_contiguous=False 會導致回傳的 tensordict 成為 tensordict 的延遲堆疊。

非連續 rollout 的範例

>>> rollout = env.rollout(4, return_contiguous=False)
>>> print(rollout)
LazyStackedTensorDict(
    fields={
        action: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.float32, is_shared=False),
        done: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: LazyStackedTensorDict(
            fields={
                done: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                observation: Tensor(shape=torch.Size([3, 4, 3]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.float32, is_shared=False),
                step_count: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.int64, is_shared=False),
                truncated: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
            batch_size=torch.Size([3, 4]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([3, 4, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        step_count: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.int64, is_shared=False),
        truncated: Tensor(shape=torch.Size([3, 4, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([3, 4]),
    device=cpu,
    is_shared=False)
    >>> print(rollout.names)
    [None, 'time']

Rollout 可以循環使用以模擬資料收集。為此，您需要將呼叫 step_mdp() 後，前一個 rollout 所產生的最後一個 tensordict 作為輸入傳遞。

資料收集 rollout 的範例

>>> from torchrl.envs import GymEnv, step_mdp
>>> env = GymEnv("CartPole-v1")
>>> epochs = 10
>>> input_td = env.reset()
>>> for i in range(epochs):
...     rollout_td = env.rollout(
...         max_steps=100,
...         break_when_any_done=False,
...         auto_reset=False,
...         tensordict=input_td,
...     )
...     input_td = step_mdp(
...         rollout_td[..., -1],
...     )

set_extra_state(state: Any) → None¶

設定載入的 state_dict 中包含的額外狀態。

此函數從 load_state_dict() 呼叫，以處理 state_dict 中的任何額外狀態。如果您需要在模組的 state_dict 中儲存額外狀態，請實作此函數和對應的 get_extra_state()。

參數:: state (dict) – 來自 state_dict 的額外狀態

set_seed(*args, **kwargs)[source]¶

設定環境的種子，並傳回要使用的下一個種子（如果存在單個環境，則為輸入種子）。

參數:

seed (int) – 要設定的種子。種子僅在環境中本地設定。若要處理全域種子，請參閱 manual_seed()。
static_seed (bool, optional) – 如果 True，則不會遞增種子。預設為 False

回傳值:

也就是說，如果與此環境同時建立另一個環境，則應使用的種子。

回傳類型:

表示「下一個種子」的整數

set_submodule(target: str, module: Module) → None¶

如果 target 給定的子模組存在，則設定它，否則會拋出錯誤。

例如，假設您有一個 nn.Module A，如下所示

A(
    (net_b): Module(
        (net_c): Module(
            (conv): Conv2d(16, 33, kernel_size=(3, 3), stride=(2, 2))
        )
        (linear): Linear(in_features=100, out_features=200, bias=True)
    )
)

(圖表顯示一個 nn.Module A。A 有一個巢狀子模組 net_b，它本身有兩個子模組 net_c 和 linear。net_c 然後有一個子模組 conv。)

若要使用新的子模組 Linear 覆寫 Conv2d，您會呼叫 set_submodule("net_b.net_c.conv", nn.Linear(33, 16))。

參數:

target – 要尋找的子模組的完整字串名稱。(有關如何指定完整字串，請參閱以上範例。)
module – 用於設定子模組的模組。

Raises:

ValueError – 如果目標字串為空
AttributeError – 如果目標字串參考到無效的路徑，或者解析為非 nn.Module 的物件，則會引發此錯誤。

property shape¶: 相當於 batch_size。

share_memory() → T¶: 請參閱 torch.Tensor.share_memory_()。

property specs: Composite¶

傳回一個 Composite 容器，其中存在所有環境。

此功能允許建立一個環境，在單一資料容器中檢索所有規格，然後從工作區中刪除該環境。

state_dict(*args, **kwargs)[source]¶

傳回一個包含對模組的整個狀態的參考的字典。

包含參數和持久性緩衝區（例如，執行平均值）。鍵是相應的參數和緩衝區名稱。設定為 None 的參數和緩衝區不包含在內。

注意

回傳的物件是淺層副本。它包含對模組的參數和緩衝區的參考。

警告

目前 state_dict() 也接受 destination、prefix 和 keep_vars 的位置引數。但是，這正在被棄用，並且在未來的版本中將強制執行關鍵字引數。

警告

請避免使用參數 destination，因為它不是設計給終端使用者使用的。

參數:

destination (dict, optional) – 如果提供此參數，模組的狀態將更新到此字典中，並回傳相同的物件。否則，將會建立並回傳一個 OrderedDict。預設值：None。
prefix (str, optional) – 一個加到參數和緩衝區名稱的前綴，用於組成 state_dict 中的鍵。預設值：''。
keep_vars (bool, optional) – 預設情況下，state dict 中回傳的 Tensor 會與 autograd 分離。如果設定為 True，則不會執行分離。預設值：False。

回傳值:

包含模組完整狀態的字典

回傳類型:

dict

範例

>>> # xdoctest: +SKIP("undefined vars")
>>> module.state_dict().keys()
['bias', 'weight']

property state_keys: List[NestedKey]¶

環境的狀態鍵。

預設情況下，只會有一個名為 "state" 的鍵。

鍵按照資料樹中的深度排序。

property state_spec: Composite¶

狀態規格。

必須是 torchrl.data.Composite 實例。此處列出的鍵應該與 action 一起作為環境的輸入提供。

在 TorchRL 中，即使它們嚴格來說不是「狀態」，所有不是 action 的環境輸入都儲存在 state_spec 中。

因此，"state_spec" 應被視為環境輸入（非 action 資料）的通用資料容器。

範例

>>> from torchrl.envs import BraxEnv
>>> for envname in BraxEnv.available_envs:
...     break
>>> env = BraxEnv(envname)
>>> env.state_spec
Composite(
    state: Composite(
        pipeline_state: Composite(
            q: UnboundedContinuous(
                shape=torch.Size([15]),
                space=None,
                device=cpu,
                dtype=torch.float32,
                domain=continuous),
    [...], device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([])), device=cpu, shape=torch.Size([]))

step(tensordict: TensorDictBase) → TensorDictBase¶

在環境中執行一個步驟。

Step 接受單一參數 tensordict，通常包含一個 "action" 鍵，表示要採取的動作。Step 將呼叫一個非原地 (out-place) 的私有方法 _step，這個方法會被 EnvBase 子類別重新覆寫。

參數:: tensordict (TensorDictBase) – 包含要採取之動作的 Tensordict。如果輸入的 tensordict 包含一個 "next" 條目，則其中包含的值將優先於新計算的值。這提供了一種覆寫底層計算的機制。
回傳值:: 輸入的 tensordict，就地修改 (modified in place) 為包含產生的觀察、完成狀態和獎勵（如果需要，還可以包含其他內容）。

step_and_maybe_reset(tensordict: TensorDictBase) → Tuple[TensorDictBase, TensorDictBase]¶

在環境中運行一個步驟，並在需要時（部分）重置它。

參數:: tensordict (TensorDictBase) – step() 方法的輸入資料結構。

這個方法可以輕鬆地編寫非停止的 rollout 函數。

範例

>>> from torchrl.envs import ParallelEnv, GymEnv
>>> def rollout(env, n):
...     data_ = env.reset()
...     result = []
...     for i in range(n):
...         data, data_ = env.step_and_maybe_reset(data_)
...         result.append(data)
...     return torch.stack(result)
>>> env = ParallelEnv(2, lambda: GymEnv("CartPole-v1"))
>>> print(rollout(env, 2))
TensorDict(
    fields={
        done: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                observation: Tensor(shape=torch.Size([2, 2, 4]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.float32, is_shared=False),
                terminated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                truncated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
            batch_size=torch.Size([2, 2]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([2, 2, 4]), device=cpu, dtype=torch.float32, is_shared=False),
        terminated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        truncated: Tensor(shape=torch.Size([2, 2, 1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([2, 2]),
    device=cpu,
    is_shared=False)

to(device: Union[device, str, int])[source]¶

移動和/或轉換參數和緩衝區。

可以如下呼叫：

to(device=None, dtype=None, non_blocking=False)[source]

to(dtype, non_blocking=False)[source]

to(tensor, non_blocking=False)[source]

to(memory_format=torch.channels_last)[source]

其簽名檔與 torch.Tensor.to() 類似，但僅接受浮點數或複數 dtype。此外，此方法只會將浮點數或複數參數和緩衝區轉換為 dtype (如果已給定)。整數參數和緩衝區將會移動到 device (如果已給定)，但 dtype 不會變更。當 non_blocking 被設定時，如果可能的話，它會嘗試相對於主機非同步地轉換/移動，例如，將具有釘選記憶體的 CPU Tensor 移動到 CUDA 裝置。

請參閱以下範例。

注意

此方法會就地修改模組。

參數:

device (torch.device) – 此模組中參數和緩衝區的目標裝置
dtype (torch.dtype) – 此模組中參數和緩衝區的目標浮點數或複數 dtype
tensor (torch.Tensor) – Tensor，其 dtype 和 device 是此模組中所有參數和緩衝區的目標 dtype 和 device
memory_format (torch.memory_format) – 此模組中 4D 參數和緩衝區的目標記憶體格式 (僅關鍵字引數)

回傳值:

self

回傳類型:

Module

範例

>>> # xdoctest: +IGNORE_WANT("non-deterministic")
>>> linear = nn.Linear(2, 2)
>>> linear.weight
Parameter containing:
tensor([[ 0.1913, -0.3420],
        [-0.5113, -0.2325]])
>>> linear.to(torch.double)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1913, -0.3420],
        [-0.5113, -0.2325]], dtype=torch.float64)
>>> # xdoctest: +REQUIRES(env:TORCH_DOCTEST_CUDA1)
>>> gpu1 = torch.device("cuda:1")
>>> linear.to(gpu1, dtype=torch.half, non_blocking=True)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1914, -0.3420],
        [-0.5112, -0.2324]], dtype=torch.float16, device='cuda:1')
>>> cpu = torch.device("cpu")
>>> linear.to(cpu)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1914, -0.3420],
        [-0.5112, -0.2324]], dtype=torch.float16)

>>> linear = nn.Linear(2, 2, bias=None).to(torch.cdouble)
>>> linear.weight
Parameter containing:
tensor([[ 0.3741+0.j,  0.2382+0.j],
        [ 0.5593+0.j, -0.4443+0.j]], dtype=torch.complex128)
>>> linear(torch.ones(3, 2, dtype=torch.cdouble))
tensor([[0.6122+0.j, 0.1150+0.j],
        [0.6122+0.j, 0.1150+0.j],
        [0.6122+0.j, 0.1150+0.j]], dtype=torch.complex128)

to_empty(*, device: Optional[Union[int, str, device]], recurse: bool = True) → T¶

將參數和緩衝區移動到指定的裝置，而不複製儲存體。

參數:

device (torch.device) – 此模組中參數和緩衝區的目標裝置。
recurse (bool) – 是否應將子模組的參數和緩衝區遞迴地移動到指定的裝置。

回傳值:

self

回傳類型:

Module

train(mode: bool = True) → T¶

將模組設定為訓練模式。

這只對某些模組有影響。有關它們在訓練/評估模式下的行為的詳細信息，請參閱特定模組的文檔，例如 Dropout, BatchNorm 等。

參數:: mode (bool) – 是否設定訓練模式 (True) 或評估模式 (False)。預設值：True。
回傳值:: self
回傳類型:: Module

type(dst_type: Union[dtype, str]) → T¶

將所有參數和緩衝區轉換為 dst_type。

注意

此方法會就地修改模組。

參數:: dst_type (type 或 string) – 目標型別
回傳值:: self
回傳類型:: Module

update_kwargs(kwargs: Union[dict, List[dict]]) → None¶

根據字典或字典列表更新每個環境的 kwargs。

參數:: kwargs (dict 或 dict 的列表) – 要與環境一起使用的新 kwargs

xpu(device: Optional[Union[int, device]] = None) → T¶

將所有模型參數和緩衝區移動到 XPU。

這也會使相關的參數和緩衝區成為不同的物件。因此，如果模組在 XPU 上運行且正在被優化，則應在建構優化器之前呼叫它。

注意

此方法會就地修改模組。

參數:: device (int, optional) – 如果指定，所有參數都將複製到該裝置
回傳值:: self
回傳類型:: Module

zero_grad(set_to_none: bool = True) → None¶

重置所有模型參數的梯度。

請參考 torch.optim.Optimizer 裡類似的函式以獲得更多背景資訊。

參數:: set_to_none (bool) – 不要設定為零，而是將梯度設定為 None。請參閱 torch.optim.Optimizer.zero_grad() 以取得詳細資訊。

SerialEnv¶

文件

教學

資源