AdditiveGaussianModule

class torchrl.modules.AdditiveGaussianModule(*args, **kwargs)

加性高斯 PO 模块。

参数:

• spec (TensorSpec) – 用于采样动作的 spec。采样到的动作将在探索后投影到有效的动作空间。

• sigma_init (scalar, optional) – 初始 epsilon 值。默认值：1.0

• sigma_end (scalar, optional) – 最终 epsilon 值。默认值：0.1

• annealing_num_steps (int, optional) – sigma 值达到 sigma_end 值所需的步数。默认值：1000

• mean (float, optional) – 每个输出元素的正态分布的均值。默认值：0.0

• std (float, optional) – 每个输出元素的正态分布的标准差。默认值：1.0

关键字参数:

• action_key (NestedKey, optional) – 如果策略模块有多个输出键，其输出 spec 将是 Composite 类型。需要知道在哪里找到动作 spec。默认值：“action”

• safe (bool) – 如果为 True，则给出动作空间限制的超出范围的动作将根据 TensorSpec.project 的启发式方法进行投影。默认值：False

• device (torch.device, optional) – 必须存储 buffer 的设备。

注意

务必在训练循环中调用 step() 来更新探索因子。由于很难捕获此遗漏，如果遗漏此调用将不会发出任何警告或异常！

forward(tensordict: TensorDictBase) → TensorDictBase

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

虽然前向传播的实现需要在该函数内定义，但之后应调用 Module 实例而不是此函数，因为前者会处理已注册的钩子，而后者会默默地忽略它们。

step(frames: int = 1) → None

sigma 衰减的一步。

在调用此方法 self.annealing_num_steps 次后，后续调用将不再执行任何操作。

参数:

frames (int) – 自上次调用以来的帧数。默认为 1。