CatTensors

class torchrl.envs.transforms.CatTensors(in_keys: 序列[NestedKey] | None = None, out_key: NestedKey = 'observation_vector', dim: int = - 1, *, del_keys: bool = True, unsqueeze_if_oor: bool = False, sort: bool = True)

將多個鍵連線成一個張量。

當多個鍵描述單個狀態時（例如，“observation_position” 和 “observation_velocity”），這尤其有用。

引數:

• in_keys (巢狀鍵序列) – 要連線的鍵。如果為 None（或未提供），則在首次使用此變換時將從父環境中檢索這些鍵。此行為僅在設定了父環境時有效。

• out_key (NestedKey) – 結果張量的鍵。

• dim (int, 可選) – 進行連線的維度。預設為 -1。

關鍵字引數:

• del_keys (bool, 可選) – 如果為 True，輸入值將在連線後被刪除。預設為 True。

• unsqueeze_if_oor (bool, 可選) – 如果為 True，CatTensor 將檢查要連線的張量是否存在指定維度。如果不存在，則將沿該維度對張量進行 unsqueeze（擴充套件維度）。預設為 False。

• sort (bool, 可選) – 如果為 True，鍵將在變換中進行排序。否則，將使用使用者提供的順序。預設為 True。

示例

>>> transform = CatTensors(in_keys=["key1", "key2"])
>>> td = TensorDict({"key1": torch.zeros(1, 1),
...     "key2": torch.ones(1, 1)}, [1])
>>> _ = transform(td)
>>> print(td.get("observation_vector"))
tensor([[0., 1.]])
>>> transform = CatTensors(in_keys=["key1", "key2"], dim=-2, unsqueeze_if_oor=True)
>>> td = TensorDict({"key1": torch.zeros(1),
...     "key2": torch.ones(1)}, [])
>>> _ = transform(td)
>>> print(td.get("observation_vector").shape)
torch.Size([2, 1])

forward(tensordict: TensorDictBase) → TensorDictBase

讀取輸入的 tensordict，並對選定的鍵應用變換。

transform_observation_spec(observation_spec: TensorSpec) → TensorSpec

變換觀察規範，使結果規範與變換對映匹配。

引數:

observation_spec (TensorSpec) – 變換前的規範

返回值:

變換後預期的規範