check_env_specs

torchrl.envs.check_env_specs(env: torchrl.envs.EnvBase, return_contiguous: bool | None = None, check_dtype=True, seed: int | None = None, tensordict: TensorDictBase | None = None, break_when_any_done: bool | Literal['both'] = None)

使用简短的 rollout 来测试环境规范。

此测试函数应作为 torchrl 的 EnvBase 子类包装的环境的健全性检查：预期的数据与收集到的数据之间的任何差异都应引发断言错误。

损坏的环境规范很可能会使并行环境无法使用。

参数:

• env (EnvBase) – 要检查其规格与数据是否匹配的环境。

• return_contiguous (bool, optional) – 如果设置为 True，则将使用 return_contiguous=True 调用随机 rollouts。这在某些情况下（例如，输入/输出的异构形状）会失败。默认为 None（由动态规格的存在决定）。

• check_dtype (bool, optional) – 如果为 False，则会跳过 dtype 检查。默认为 True。

• seed (int, optional) – 为了可复现性，可以设置一个种子。种子将临时设置在 PyTorch 中，然后 RNG 状态将恢复到之前的状态。对于环境，我们设置了种子，但由于将 RNG 状态恢复到以前的状态并不是大多数环境的功能，因此我们将其留给用户自行完成。默认为 None。

• tensordict (TensorDict, optional) – 用于重置的可选 tensordict 实例。

• break_when_any_done (bool 或 str, optional) – rollout() 中 break_when_any_done 的值。如果设置为 "both"，则在 True 和 False 上都会运行测试。

注意：此函数会重置环境种子。它应该“离线”使用，以检查环境是否已充分构建，但它可能会影响实验的播种，因此应将其排除在训练脚本之外。