TensorDictPrioritizedReplayBuffer¶

class torchrl.data.TensorDictPrioritizedReplayBuffer(*, alpha: float, beta: float, priority_key: str = 'td_error', eps: float = 1e-08, storage: Storage | None = None, collate_fn: Callable | None = None, pin_memory: bool = False, prefetch: int | None = None, transform: Transform | None = None, reduction: str = 'max', batch_size: int | None = None, dim_extend: int | None = None, generator: torch.Generator | None = None, shared: bool = False, compilable: bool = False)[源代码]¶

TensorDict 的特定包装器，围绕 PrioritizedReplayBuffer 类。

此类返回带有新键 "index" 的 tensordict，该键表示重放缓冲区中每个元素的索引。它还提供 update_tensordict_priority() 方法，该方法只需要将 tensordict 及其新的优先级值传递给它。

关键字参数:

alpha (float) – 指数 α 决定了优先级的应用程度，其中 α = 0 对应于均匀情况。
beta (float) – 重要性采样负指数。
eps (float) – 添加到优先级的 delta，以确保缓冲区不包含空优先级。
storage (Storage, Callable[], Storage], optional) – 要使用的存储。如果传递了可调用对象，则将其用作存储的构造函数。如果未提供，则会创建一个默认的 ListStorage，其 max_size 为 1_000。
collate_fn (callable, optional) – 将样本列表合并以形成 Tensor/输出的 mini-batch。在使用 map 风格数据集进行批处理加载时使用。默认值将根据存储类型确定。
pin_memory (bool) – 是否应对 rb 样本调用 pin_memory()。
prefetch (int, optional) – 要通过多线程预取的下一个批次数。默认为 None（无预取）。
transform (Transform 或 Callable[Any], Any], optional) – 在调用 sample() 时要执行的转换。要链接转换，请使用 Compose 类。转换应与 tensordict.TensorDict 内容一起使用。如果重放缓冲区与 PyTree 结构一起使用（请参阅下面的示例），也可以传递通用的可调用对象。与存储、写入器和采样器不同，转换构造函数必须作为单独的关键字参数 transform_factory 传递，因为无法区分构造函数和转换。
transform_factory (Callable[], Callable], optional) – 转换的工厂。与 transform 互斥。
batch_size (int, optional) –
调用 sample() 时要使用的批次大小。

注意

批次大小可以在构造时通过 batch_size 参数指定，也可以在采样时指定。前者在整个实验中批次大小一致的情况下应优先考虑。如果批次大小可能发生变化，可以将其传递给 sample() 方法。此选项与预取（因为这需要提前知道批次大小）以及具有 drop_last 参数的采样器不兼容。
priority_key (str, optional) – 在添加到此重放缓冲区的 TensorDict 中假定存储优先级的键。这应在采样器类型为 PrioritizedSampler 时使用。默认为 "td_error"。
reduction (str, optional) – 多维 tensordicts（即存储的轨迹）的归约方法。可以是 "max"、"min"、"median" 或 "mean" 之一。
dim_extend (int, optional) –
指示在调用 extend() 时要考虑扩展的维度。默认为 storage.ndim-1。当使用 dim_extend > 0 时，我们建议在存储实例化时使用 ndim 参数（如果该参数可用），以告知存储数据是多维的，并在采样期间保持存储容量和批次大小的一致概念。
注意

此参数对 add() 没有影响，因此在代码库中同时使用 add() 和 extend() 时应谨慎使用。例如
```
>>> data = torch.zeros(3, 4)
>>> rb = ReplayBuffer(
...     storage=LazyTensorStorage(10, ndim=2),
...     dim_extend=1)
>>> # these two approaches are equivalent:
>>> for d in data.unbind(1):
...     rb.add(d)
>>> rb.extend(data)
```
generator (torch.Generator, optional) –
用于采样的生成器。为重放缓冲区使用专用生成器可以实现对种子进行精细控制，例如在分布式作业中保持全局种子不同但 RB 种子相同。默认为 None（全局默认生成器）。

警告

目前，生成器对变换没有影响。
shared (bool, optional) – 缓冲区是否将使用多进程共享。默认为 False。
compilable (bool, optional) – 写入器是否可编译。如果为 True，则写入器不能在多个进程之间共享。默认为 False。

示例

>>> import torch
>>>
>>> from torchrl.data import LazyTensorStorage, TensorDictPrioritizedReplayBuffer
>>> from tensordict import TensorDict
>>>
>>> torch.manual_seed(0)
>>>
>>> rb = TensorDictPrioritizedReplayBuffer(alpha=0.7, beta=1.1, storage=LazyTensorStorage(10), batch_size=5)
>>> data = TensorDict({"a": torch.ones(10, 3), ("b", "c"): torch.zeros(10, 3, 1)}, [10])
>>> rb.extend(data)
>>> print("len of rb", len(rb))
len of rb 10
>>> sample = rb.sample(5)
>>> print(sample)
TensorDict(
    fields={
        _weight: Tensor(shape=torch.Size([5]), device=cpu, dtype=torch.float32, is_shared=False),
        a: Tensor(shape=torch.Size([5, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        b: TensorDict(
            fields={
                c: Tensor(shape=torch.Size([5, 3, 1]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([5]),
            device=cpu,
            is_shared=False),
        index: Tensor(shape=torch.Size([5]), device=cpu, dtype=torch.int64, is_shared=False)},
    batch_size=torch.Size([5]),
    device=cpu,
    is_shared=False)
>>> print("index", sample["index"])
index tensor([9, 5, 2, 2, 7])
>>> # give a high priority to these samples...
>>> sample.set("td_error", 100*torch.ones(sample.shape))
>>> # and update priority
>>> rb.update_tensordict_priority(sample)
>>> # the new sample should have a high overlap with the previous one
>>> sample = rb.sample(5)
>>> print(sample)
TensorDict(
    fields={
        _weight: Tensor(shape=torch.Size([5]), device=cpu, dtype=torch.float32, is_shared=False),
        a: Tensor(shape=torch.Size([5, 3]), device=cpu, dtype=torch.float32, is_shared=False),
        b: TensorDict(
            fields={
                c: Tensor(shape=torch.Size([5, 3, 1]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([5]),
            device=cpu,
            is_shared=False),
        index: Tensor(shape=torch.Size([5]), device=cpu, dtype=torch.int64, is_shared=False)},
    batch_size=torch.Size([5]),
    device=cpu,
    is_shared=False)
>>> print("index", sample["index"])
index tensor([2, 5, 5, 9, 7])

add(data: TensorDictBase) → int¶

将单个元素添加到重放缓冲区。

参数:: data (Any) – 要添加到重放缓冲区的数据
返回:: 数据在重放缓冲区中的索引。

append_transform(transform: Transform, *, invert: bool = False) → ReplayBuffer¶

将变换附加到末尾。

调用 sample 时按顺序应用变换。

参数:: transform (Transform) – 要附加的变换
关键字参数:: invert (bool, optional) – 如果为 True，则在写入时调用正向转换，在读取时调用反向转换。默认为 False。

示例

>>> rb = ReplayBuffer(storage=LazyMemmapStorage(10), batch_size=4)
>>> data = TensorDict({"a": torch.zeros(10)}, [10])
>>> def t(data):
...     data += 1
...     return data
>>> rb.append_transform(t, invert=True)
>>> rb.extend(data)
>>> assert (data == 1).all()

classmethod as_remote(remote_config=None)¶

创建一个远程 ray 类的实例。

参数:

cls (Python Class) – 要远程实例化的类。
remote_config (dict) – 为该类保留的 CPU 核心数量。默认为 torchrl.collectors.distributed.ray.DEFAULT_REMOTE_CLASS_CONFIG。

返回:

一个创建 ray 远程类实例的函数。

property batch_size¶

重放缓冲区的批次大小。

可以通过 sample() 方法中的 batch_size 参数覆盖批次大小。

它定义了 sample() 返回的样本数量以及 ReplayBuffer 迭代器产生的样本数量。

dump(*args, **kwargs)¶: dumps() 的别名。

dumps(path)¶

将重放缓冲区保存到指定路径的磁盘上。

参数:: path (Path 或 str) – 保存重放缓冲区的路径。

示例

>>> import tempfile
>>> import tqdm
>>> from torchrl.data import LazyMemmapStorage, TensorDictReplayBuffer
>>> from torchrl.data.replay_buffers.samplers import PrioritizedSampler, RandomSampler
>>> import torch
>>> from tensordict import TensorDict
>>> # Build and populate the replay buffer
>>> S = 1_000_000
>>> sampler = PrioritizedSampler(S, 1.1, 1.0)
>>> # sampler = RandomSampler()
>>> storage = LazyMemmapStorage(S)
>>> rb = TensorDictReplayBuffer(storage=storage, sampler=sampler)
>>>
>>> for _ in tqdm.tqdm(range(100)):
...     td = TensorDict({"obs": torch.randn(100, 3, 4), "next": {"obs": torch.randn(100, 3, 4)}, "td_error": torch.rand(100)}, [100])
...     rb.extend(td)
...     sample = rb.sample(32)
...     rb.update_tensordict_priority(sample)
>>> # save and load the buffer
>>> with tempfile.TemporaryDirectory() as tmpdir:
...     rb.dumps(tmpdir)
...
...     sampler = PrioritizedSampler(S, 1.1, 1.0)
...     # sampler = RandomSampler()
...     storage = LazyMemmapStorage(S)
...     rb_load = TensorDictReplayBuffer(storage=storage, sampler=sampler)
...     rb_load.loads(tmpdir)
...     assert len(rb) == len(rb_load)

empty(empty_write_count: bool = True)¶

清空重放缓冲区并将游标重置为 0。

参数:: empty_write_count (bool, optional) – 是否清空 write_count 属性。默认为 True。

extend(tensordicts: TensorDictBase, *, update_priority: bool | None = None) → torch.Tensor¶

使用数据批次扩展重放缓冲区。

参数:: tensordicts (TensorDictBase) – 用于扩展重放缓冲区的数据。
关键字参数:: update_priority (bool, optional) – 是否更新数据的优先级。默认为 True。
返回:: 已添加到重放缓冲区的数据的索引。

insert_transform(index: int, transform: Transform, *, invert: bool = False) → ReplayBuffer¶

插入变换。

调用 sample 时按顺序执行变换。

参数:

index (int) – 插入变换的位置。
transform (Transform) – 要附加的变换

关键字参数:

invert (bool, optional) – 如果为 True，则在写入时调用正向转换，在读取时调用反向转换。默认为 False。

load(*args, **kwargs)¶: loads() 的别名。

loads(path)¶

在给定路径加载重放缓冲区状态。

缓冲区应具有匹配的组件，并使用 dumps() 保存。

参数:: path (Path 或 str) – 重放缓冲区保存的路径。

有关更多信息，请参阅 dumps()。

next()¶

返回重放缓冲区的下一个项。

此方法用于在 __iter__ 不可用的情况下迭代重放缓冲区，例如 RayReplayBuffer。

register_load_hook(hook: Callable[[Any], Any])¶: 为存储注册加载钩子。

注意

钩子目前不会在保存重放缓冲区时序列化：每次创建缓冲区时都必须手动重新初始化它们。

register_save_hook(hook: Callable[[Any], Any])¶: 为存储注册保存钩子。

注意

钩子目前不会在保存重放缓冲区时序列化：每次创建缓冲区时都必须手动重新初始化它们。

sample(batch_size: int | None = None, return_info: bool = False, include_info: bool | None = None) → TensorDictBase¶

从重放缓冲区中采样数据批次。

使用 Sampler 采样索引，并从 Storage 中检索它们。

参数:

batch_size (int, optional) – 要收集的数据的大小。如果未提供，此方法将采样由采样器指示的批次大小。
return_info (bool) – 是否返回信息。如果为 True，则结果为元组 (data, info)。如果为 False，则结果为数据。

返回:

一个包含在重放缓冲区中选择的数据批次的 tensordict。如果 return_info 标志设置为 True，则包含此 tensordict 和信息的元组。

property sampler¶

重放缓冲区的采样器。

采样器必须是 Sampler 的实例。

save(*args, **kwargs)¶: dumps() 的别名。

set_sampler(sampler: Sampler)¶: 在重放缓冲区中设置新的采样器并返回之前的采样器。

set_storage(storage: Storage, collate_fn: Callable | None = None)¶

在重放缓冲区中设置新的存储并返回之前的存储。

参数:

storage (Storage) – 缓冲区的新的存储。
collate_fn (callable, optional) – 如果提供，collate_fn 将设置为此值。否则，它将被重置为默认值。

set_writer(writer: Writer)¶: 在重放缓冲区中设置新的写入器并返回之前的写入器。

property storage¶

重放缓冲区的存储。

存储必须是 Storage 的实例。

property write_count¶: 通过 add 和 extend 写入缓冲区的总项数。

property writer¶

重放缓冲区的写入器。

写入器必须是 Writer 的实例。

TensorDictPrioritizedReplayBuffer¶

文档

教程

资源