OnlineDTActor

class torchrl.modules.OnlineDTActor(state_dim: int, action_dim: int, transformer_config: dict | DecisionTransformer.DTConfig = None, device: DEVICE_TYPING | None = None)

Online Decision Transformer Actor 类。

用于 Online Decision Transformer 的 Actor 类，用于从高斯分布中采样动作，如 “Online Decision Transformer” 中所述。

返回用于从高斯分布中采样动作的均值和标准差。

参数:

• state_dim (int) – 状态维度。

• action_dim (int) – 动作维度。

• transformer_config (Dict 或 DecisionTransformer.DTConfig) – GPT2 transformer 的配置。默认为 default_config()。

• device (torch.device, 可选) – 要使用的设备。默认为 None。

示例

>>> model = OnlineDTActor(state_dim=4, action_dim=2,
...     transformer_config=OnlineDTActor.default_config())
>>> observation = torch.randn(32, 10, 4)
>>> action = torch.randn(32, 10, 2)
>>> return_to_go = torch.randn(32, 10, 1)
>>> mu, std = model(observation, action, return_to_go)
>>> mu.shape
torch.Size([32, 10, 2])
>>> std.shape
torch.Size([32, 10, 2])

classmethod default_config()

OnlineDTActor 的默认配置。

forward(observation: Tensor, action: Tensor, return_to_go: Tensor) → tuple[torch.Tensor, torch.Tensor]

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。