LazyTensorStorage

class torchrl.data.replay_buffers.LazyTensorStorage(max_size: int, *, device: device = 'cpu', ndim: int = 1, compilable: bool = False, consolidated: bool = False)

一個用於張量（tensor）和張量字典（tensordict）的預分配張量儲存。

引數：

max_size (int) – 儲存的大小，即緩衝區中儲存的最大元素數量。

關鍵字引數：

• device (torch.device, optional) – 取樣張量儲存和傳送到的裝置。預設為 torch.device("cpu")。如果傳入“auto”，裝置將自動從傳入的第一批資料中獲取。預設不啟用此功能，以避免錯誤地將資料放置在 GPU 上，從而導致 OOM（記憶體不足）問題。

• ndim (int, optional) – 測量儲存大小時需要考慮的維度數量。例如，形狀為 [3, 4] 的儲存，如果 ndim=1，其容量為 3；如果 ndim=2，其容量為 12。預設為 1。

• compilable (bool, optional) – 儲存是否可編譯。如果為 True，寫入器不能在多個程序之間共享。預設為 False。

• consolidated (bool, optional) – 如果為 True，儲存將在首次擴充套件後被整合。預設為 False。

示例

>>> data = TensorDict({
...     "some data": torch.randn(10, 11),
...     ("some", "nested", "data"): torch.randn(10, 11, 12),
... }, batch_size=[10, 11])
>>> storage = LazyTensorStorage(100)
>>> storage.set(range(10), data)
>>> len(storage)  # only the first dimension is considered as indexable
10
>>> storage.get(0)
TensorDict(
    fields={
        some data: Tensor(shape=torch.Size([11]), device=cpu, dtype=torch.float32, is_shared=False),
        some: TensorDict(
            fields={
                nested: TensorDict(
                    fields={
                        data: Tensor(shape=torch.Size([11, 12]), device=cpu, dtype=torch.float32, is_shared=False)},
                    batch_size=torch.Size([11]),
                    device=cpu,
                    is_shared=False)},
            batch_size=torch.Size([11]),
            device=cpu,
            is_shared=False)},
    batch_size=torch.Size([11]),
    device=cpu,
    is_shared=False)
>>> storage.set(0, storage.get(0).zero_()) # zeros the data along index ``0``

此類也支援 tensorclass 資料。

示例

>>> from tensordict import tensorclass
>>> @tensorclass
... class MyClass:
...     foo: torch.Tensor
...     bar: torch.Tensor
>>> data = MyClass(foo=torch.randn(10, 11), bar=torch.randn(10, 11, 12), batch_size=[10, 11])
>>> storage = LazyTensorStorage(10)
>>> storage.set(range(10), data)
>>> storage.get(0)
MyClass(
    bar=Tensor(shape=torch.Size([11, 12]), device=cpu, dtype=torch.float32, is_shared=False),
    foo=Tensor(shape=torch.Size([11]), device=cpu, dtype=torch.float32, is_shared=False),
    batch_size=torch.Size([11]),
    device=cpu,
    is_shared=False)

attach(buffer: Any) → None

此函式將取樣器附加到此儲存。

從該儲存讀取的緩衝區必須透過呼叫此方法作為附加實體包含進來。這確保了當儲存中的資料發生變化時，即使儲存與其他緩衝區（例如，優先順序取樣器）共享，元件也能感知到變化。

引數：

buffer – 從此儲存讀取的物件。

dump(*args, **kwargs)

dumps() 的別名。

load(*args, **kwargs)

loads() 的別名。

save(*args, **kwargs)

dumps() 的別名。