RenameTransform

class torchrl.envs.transforms.RenameTransform(in_keys, out_keys, in_keys_inv=None, out_keys_inv=None, create_copy=False)

一種轉換，用於重新命名輸出 tensordict 中的條目（或透過反向鍵輸入 tensordict）。

參數:

• in_keys (NestedKey 序列) – 要重新命名的條目。

• out_keys (NestedKey 序列) – 重新命名後條目的名稱。

• in_keys_inv (NestedKey 序列, 可選) – 要在輸入 tensordict 中重新命名的條目，這些條目將傳遞給 EnvBase._step()。

• out_keys_inv (NestedKey 序列, 可選) – 重新命名後輸入 tensordict 中條目的名稱。

• create_copy (bool, 可選) – 如果 True，則條目將被複製並使用不同的名稱，而不是被重新命名。這允許重新命名不可變的條目，例如 "reward" 和 "done"。

範例

>>> from torchrl.envs.libs.gym import GymEnv
>>> env = TransformedEnv(
...     GymEnv("Pendulum-v1"),
...     RenameTransform(["observation", ], ["stuff",], create_copy=False),
... )
>>> tensordict = env.rollout(3)
>>> print(tensordict)
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.float32, is_shared=False),
        done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                reward: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.float32, is_shared=False),
                stuff: Tensor(shape=torch.Size([3, 3]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([3]),
            device=cpu,
            is_shared=False),
        stuff: Tensor(shape=torch.Size([3, 3]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([3]),
    device=cpu,
    is_shared=False)
>>> # if the output is also an input, we need to rename if both ways:
>>> from torchrl.envs.libs.brax import BraxEnv
>>> env = TransformedEnv(
...     BraxEnv("fast"),
...     RenameTransform(["state"], ["newname"], ["state"], ["newname"])
... )
>>> _ = env.set_seed(1)
>>> tensordict = env.rollout(3)
>>> assert "newname" in tensordict.keys()
>>> assert "state" not in tensordict.keys()

forward(tensordict: TensorDictBase) → TensorDictBase

讀取輸入 tensordict，並針對選定的鍵，應用轉換。

transform_input_spec(input_spec: Composite) → Composite

轉換輸入規格，使產生的規格與轉換映射相符。

參數:

input_spec (TensorSpec) – 轉換前的 spec

回傳:

轉換後預期的 spec

transform_output_spec(output_spec: Composite) → Composite

轉換 output spec，使結果 spec 符合轉換映射。

這個方法通常不應修改。 更改應使用 transform_observation_spec()、transform_reward_spec() 和 transformfull_done_spec() 來實作。 :param output_spec: 轉換前的 spec :type output_spec: TensorSpec

回傳:

轉換後預期的 spec