LSTMModule¶

class torchrl.modules.LSTMModule(*args, **kwargs)[源代码]¶

LSTM 模块的嵌入器。

此类为 torch.nn.LSTM 添加了以下功能：

与 TensorDict 的兼容性：隐藏状态将被重塑以匹配 tensordict 的批处理大小。
可选的多步执行：使用 torch.nn，必须在 torch.nn.LSTMCell 和 torch.nn.LSTM 之间进行选择，前者兼容单步输入，后者兼容多步输入。此类同时支持这两种用法。

构造后，该模块不处于循环模式，即它将期望单步输入。

如果处于循环模式，则 tensordict 的最后一个维度应标记为步数。tensordict 的维度没有限制（除非对于时间输入，维度必须大于一）。

注意

此类可以处理沿时间维度的多个连续轨迹，但是在这种情况下，不应信任最终隐藏值（即，不应将其重新用于连续轨迹）。原因是 LSTM 只返回最后一个隐藏值，对于我们提供的填充输入，该值可能对应于一个 0 填充的输入。

参数:

input_size – 输入 x 中预期特征的数量
hidden_size – 隐藏状态 h 中的特征数量
num_layers – 循环层数。例如，设置 num_layers=2 意味着将两个 LSTM 堆叠在一起形成一个“堆叠 LSTM”，第二个 LSTM 接收第一个 LSTM 的输出并计算最终结果。默认为：1
bias – 如果为 False，则该层不使用偏置权重 b_ih 和 b_hh。默认值：True
dropout – 如果非零，则在除最后一层外的每个 LSTM 层的输出上引入“Dropout”层，其 dropout 概率等于 dropout。默认为：0
python_based — 如果为 True，将使用完整的 Python 实现的 LSTM 单元。默认值：False

关键字参数:

in_key (str 或 tuple of str) – 模块的输入键。与 in_keys 互斥使用。如果提供，循环键假定为 [“recurrent_state_h”, “recurrent_state_c”]，并且 in_key 将添加到它们之前。
in_keys (list of str) – 一组三个字符串，分别对应输入值、第一个和第二个隐藏键。与 in_key 互斥。
out_key (str 或 tuple of str) – 模块的输出键。与 out_keys 互斥使用。如果提供，循环键假定为 [(“next”, “recurrent_state_h”), (“next”, “recurrent_state_c”)]，并且 out_key 将添加到它们之前。

out_keys (list of str) –

一组三个字符串，分别对应输出值、第一个和第二个隐藏键。.. 注意

For a better integration with TorchRL's environments, the best naming
for the output hidden key is ``("next", <custom_key>)``, such
that the hidden values are passed from step to step during a rollout.

device (torch.device 或 compatible) – 模块的设备。
lstm (torch.nn.LSTM, optional) – 要包装的 LSTM 实例。与其他 nn.LSTM 参数互斥。
default_recurrent_mode (bool, optional) – 如果提供，则为循环模式，如果尚未被 set_recurrent_mode 上下文管理器/装饰器覆盖。默认为 False。

变量:

recurrent_mode – 返回模块的循环模式。

set_recurrent_mode()[源代码]¶: 控制模块是否应以循环模式执行。

make_tensordict_primer()[源代码]¶: 为环境创建 TensorDictPrimer 转换，以便环境能够感知 RNN 的循环状态。

注意

此模块依赖于输入 TensorDict 中存在的特定 recurrent_state 键。要生成 TensorDictPrimer 转换，该转换将自动向环境 TensorDict 添加隐藏状态，请使用方法 make_tensordict_primer()。如果此类是更大模块的子模块，则可以对父模块调用方法 get_primers_from_module()，以自动生成此模块所需的所有 primer 转换。

示例

>>> from torchrl.envs import TransformedEnv, InitTracker
>>> from torchrl.envs import GymEnv
>>> from torchrl.modules import MLP, LSTMModule
>>> from torch import nn
>>> from tensordict.nn import TensorDictSequential as Seq, TensorDictModule as Mod
>>> env = TransformedEnv(GymEnv("Pendulum-v1"), InitTracker())
>>> lstm_module = LSTMModule(
...     input_size=env.observation_spec["observation"].shape[-1],
...     hidden_size=64,
...     in_keys=["observation", "rs_h", "rs_c"],
...     out_keys=["intermediate", ("next", "rs_h"), ("next", "rs_c")])
>>> mlp = MLP(num_cells=[64], out_features=1)
>>> policy = Seq(lstm_module, Mod(mlp, in_keys=["intermediate"], out_keys=["action"]))
>>> policy(env.reset())
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.float32, is_shared=False),
        done: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.bool, is_shared=False),
        intermediate: Tensor(shape=torch.Size([64]), device=cpu, dtype=torch.float32, is_shared=False),
        is_init: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                rs_c: Tensor(shape=torch.Size([1, 64]), device=cpu, dtype=torch.float32, is_shared=False),
                rs_h: Tensor(shape=torch.Size([1, 64]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([3]), device=cpu, dtype=torch.float32, is_shared=False)},
        terminated: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.bool, is_shared=False),
        truncated: Tensor(shape=torch.Size([1]), device=cpu, dtype=torch.bool, is_shared=False)},
    batch_size=torch.Size([]),
    device=cpu,
    is_shared=False)

forward(tensordict: TensorDictBase = None)[源代码]¶

定义每次调用时执行的计算。

所有子类都应重写此方法。

注意

尽管前向传播的实现需要在此函数中定义，但您应该在之后调用 Module 实例而不是此函数，因为前者会处理注册的钩子，而后者则会静默忽略它们。

make_cudnn_based() → LSTMModule[源代码]¶

将 LSTM 层转换为其基于 CuDNN 的版本。

返回:: self

make_python_based() → LSTMModule[源代码]¶

将 LSTM 层转换为其基于 Python 的版本。

返回:: self

make_tensordict_primer()[源代码]¶

为环境创建一个 tensordict primer。

一个 TensorDictPrimer 对象将确保策略在 Rollout 执行期间了解补充输入和输出（循环状态）。这样，数据就可以在进程之间共享并得到妥善处理。

使用批处理环境（如 ParallelEnv）时，该转换可以在单个环境实例级别（即，一组具有内部设置的 tensordict primers 的转换后的环境）或在批处理环境实例级别（即，一组普通环境的转换后的批处理）上使用。

如果在环境中未包含 TensorDictPrimer，可能会导致行为不当，例如在并行设置中，一个步骤涉及将新的循环状态从 "next" 复制到根 tensordict，而 ~torchrl.EnvBase.step_mdp 方法将无法执行此操作，因为循环状态未在环境规范中注册。

有关生成给定模块所有 primer 的方法，请参阅 torchrl.modules.utils.get_primers_from_module()。

示例

>>> from torchrl.collectors import SyncDataCollector
>>> from torchrl.envs import TransformedEnv, InitTracker
>>> from torchrl.envs import GymEnv
>>> from torchrl.modules import MLP, LSTMModule
>>> from torch import nn
>>> from tensordict.nn import TensorDictSequential as Seq, TensorDictModule as Mod
>>>
>>> env = TransformedEnv(GymEnv("Pendulum-v1"), InitTracker())
>>> lstm_module = LSTMModule(
...     input_size=env.observation_spec["observation"].shape[-1],
...     hidden_size=64,
...     in_keys=["observation", "rs_h", "rs_c"],
...     out_keys=["intermediate", ("next", "rs_h"), ("next", "rs_c")])
>>> mlp = MLP(num_cells=[64], out_features=1)
>>> policy = Seq(lstm_module, Mod(mlp, in_keys=["intermediate"], out_keys=["action"]))
>>> policy(env.reset())
>>> env = env.append_transform(lstm_module.make_tensordict_primer())
>>> data_collector = SyncDataCollector(
...     env,
...     policy,
...     frames_per_batch=10
... )
>>> for data in data_collector:
...     print(data)
...     break

LSTMModule¶

文档

教程

资源