MultiProcessedWeightUpdater

class torchrl.collectors.MultiProcessedWeightUpdater(*, get_server_weights: Callable[[], TensorDictBase] | None, policy_weights: dict[torch.device, TensorDictBase])

用于同步多个进程或设备上策略权重的远程权重更新器。

MultiProcessedWeightUpdater 类提供了一种在多进程环境中跨多个推理工作进程更新策略权重的方法。它旨在处理从中央服务器到运行策略的各种设备或进程的权重分发。此类通常用于多进程数据收集器，其中每个进程或设备都需要策略权重的最新副本。

关键字参数:

• get_server_weights (Callable[[], TensorDictBase] | None) – 一个可调用对象，用于从服务器或其他集中源检索最新的策略权重。

• policy_weights (Dict[torch.device, TensorDictBase]) – 一个字典，将每个设备或进程映射到其当前的策略权重，这些权重将被更新。

注意

此类假定服务器权重可以直接应用于工作进程，无需任何额外处理。如果您的用例需要更复杂的权重映射或同步逻辑，请考虑通过自定义实现来扩展 WeightUpdaterBase。

另请参阅

WeightUpdaterBase 和 DataCollectorBase。

all_worker_ids() → list[int] | list[torch.device]

获取所有工作进程 ID 的列表。

默认返回 None。子类应覆盖以返回实际的工作进程 ID。

返回:

工作进程 ID 列表或 None。

返回类型:

list[int] | list[torch.device] | None

property collector: Any | None

接收器的收集器或容器。

如果容器超出范围或未设置，则返回None。

property collectors: list[Any] | None

收集器或接收者容器。

classmethod from_policy(policy: TensorDictModuleBase) → WeightUpdaterBase | None

可选的类方法，用于从策略创建权重更新器实例。

子类可以实现此方法以提供基于策略的自定义初始化逻辑。如果实现，将在收集器中初始化权重更新器时调用此方法，然后再回退到默认构造函数。

参数:

policy (TensorDictModuleBase) – 要从中创建权重更新器的策略。

返回:

权重更新器的实例，或者如果策略无法创建实例则为 None。

无法用于创建实例的实例。

返回类型:

WeightUpdaterBase | None

increment_version()

增加策略版本。

init(*args, **kwargs)

使用自定义参数初始化权重更新器。

子类可以覆盖此方法以处理自定义初始化。默认情况下，这是一个无操作。

参数:

• *args – 初始化位置参数

• **kwargs – 初始化关键字参数

property post_hooks: list[collections.abc.Callable[[], None]]

注册到权重更新器的后置钩子列表。

push_weights(policy_or_weights: TensorDictModuleBase | TensorDictBase | dict | None = None, worker_ids: torch.device | int | list[int] | list[torch.device] | None = None)

更新策略的权重，或在指定/所有远程工作进程上更新。

参数:

• policy_or_weights – 从中获取权重的来源。可以是： - TensorDictModuleBase：将提取权重的策略模块 - TensorDictBase：包含权重的 TensorDict - dict：一个包含权重的普通字典 - None：将尝试使用 _get_server_weights() 从服务器获取权重。

• worker_ids – 要更新的工作进程的可选列表。

返回：无。

register_collector(collector)

在更新器中注册一个收集器。

注册后，更新器将不再接受另一个收集器。

参数:

collector (DataCollectorBase) – 要注册的 collector。

register_post_hook(hook: Callable[[], None])

注册一个后置钩子，在权重更新后调用。

参数:

hook (Callable[[], None]) – 要注册的后置钩子。