VC1Transform¶

class torchrl.envs.transforms.VC1Transform(in_keys, out_keys, model_name, del_keys: bool = True)[原始碼]¶

VC1 轉換類別。

VC1 提供預先訓練的 ResNet 權重，旨在促進機器人任務的視覺嵌入。這些模型是使用 Ego4d 進行訓練的。

請參閱論文

VC1：用於機器人操作的通用視覺表示 (Suraj Nair,: Aravind Rajeswaran, Vikash Kumar, Chelsea Finn, Abhinav Gupta) https://arxiv.org/abs/2203.12601

VC1Transform 是以延遲方式建立的：物件只有在查詢屬性（規格或前向方法）時才會初始化。這樣做的原因是 _init() 方法需要存取父環境（如果有的話）的一些屬性：透過使類別延遲，我們可以確保以下程式碼片段可以如預期般運作

範例

>>> transform = VC1Transform("default", in_keys=["pixels"])
>>> env.append_transform(transform)
>>> # the forward method will first call _init which will look at env.observation_spec
>>> env.reset()

參數:

in_keys (NestedKeys 列表) – 輸入鍵的列表。如果留空，則假設為 “pixels” 鍵。
out_keys (NestedKeys 列表, 選用) – 輸出鍵的列表。如果留空，則假設為 “VC1_vec”。
model_name (str) – "large"、"base" 或任何其他相容模型名稱 (請參閱 github repo 以取得更多資訊)。預設為 "default"，它提供了一個小的、未訓練的模型用於測試。
del_keys (bool, 選用) – 如果為 True (預設)，則輸入鍵將從傳回的 tensordict 中丟棄。

forward(tensordict)¶: 讀取輸入 tensordict，並針對選定的鍵套用轉換。

classmethod make_noload_model()[原始碼]¶: 在自訂目的地建立一個簡單的模型。

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

移動和/或轉換參數和緩衝區。

可以這樣調用：

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]

它的簽名類似於 torch.Tensor.to()，但僅接受浮點或複數 dtype。此外，此方法只會將浮點或複數參數和緩衝區轉換為 dtype (如果給定)。整數參數和緩衝區將會被移動到 device，如果該設備已給定，但 dtype 不會改變。當設定 non_blocking 時，它會嘗試相對於主機非同步地轉換/移動，例如，將具有鎖頁記憶體的 CPU Tensors 移動到 CUDA 裝置。

請參閱下面的範例。

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所需裝置
dtype (torch.dtype) – 此模組中參數和緩衝區的所需浮點或複數 dtype
tensor (torch.Tensor) – Tensor，其 dtype 和 device 是此模組中所有參數和緩衝區的所需 dtype 和 device
memory_format (torch.memory_format) – 此模組中 4D 參數和緩衝區的所需記憶體格式 (僅限關鍵字引數)

傳回:

self

傳回類型:

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)

transform_observation_spec(observation_spec: TensorSpec) → TensorSpec[source]¶

轉換觀測規格，使產生的規格符合轉換映射。

參數:: observation_spec (TensorSpec) – 轉換前的規格
傳回:: 轉換後預期的規格

VC1Transform¶

文件

教學

資源