RPCWeightUpdater

class torchrl.collectors.distributed.RPCWeightUpdater(collector_infos, collector_class, collector_rrefs, policy_weights: TensorDictBase, num_workers: int)

使用 RPC 在远程工作者之间同步策略权重的远程权重更新程序。

RPCWeightUpdater 类提供了一种使用 RPC 在远程推理工作者之间更新策略权重的机制。它旨在与 RPCDataCollector 配合使用，以确保每个工作者都能获得最新的策略权重。此类通常用于分布式数据收集场景，其中远程工作者通过 RPC 进行管理，并且需要与中央策略权重保持同步。

参数:

• collector_infos – 收集器的信息，用于 RPC 通信。

• collector_class – 正在使用的收集器的类。

• collector_rrefs – 收集器的远程引用。

• policy_weights (TensorDictBase) – 需要分发给工作者的策略的当前权重。

• num_workers (int) – 将接收更新策略权重的远程工作者的数量。

update_weights()

使用 RPC 更新指定或所有远程工作者上的权重。

all_worker_ids()

返回所有工作者标识符的列表（在此类中未实现）。

_sync_weights_with_worker()

将服务器权重与特定工作者同步（未实现）。

_get_server_weights()

从服务器检索最新权重（未实现）。

_maybe_map_weights()

在分发之前可选地映射服务器权重（未实现）。

注意

此类假定服务器权重可以直接应用于远程工作者，而无需任何额外的处理。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 RPCDataCollector。

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: torch.collector.DataCollectorBase

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。

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[Callable[[], NoneType]]

注册到权重更新器的后置钩子列表。

push_weights(weights: TensorDictBase | None = None, worker_ids: torch.device | int | list[int] | list[torch.device] | None = None, **kwargs)

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 – 获取权重的来源。可以是： - TensorDictModuleBase：一个策略模块，其权重将被提取 - TensorDictBase：一个包含权重的 TensorDict - dict：一个常规的包含权重的 dict - 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: DataCollectorBase)

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。