RewardScaling

class torchrl.envs.transforms.RewardScaling(loc: Union[float, torch.Tensor], scale: Union[float, torch.Tensor], in_keys: Sequence[NestedKey] | None = None, out_keys: Sequence[NestedKey] | None = None, standard_normal: bool = False)

獎勵的仿射變換。

獎勵根據以下公式進行變換：

\[reward = reward * scale + loc\]

引數：

• loc (數字 或 torch.Tensor) – 仿射變換的位置引數

• scale (數字 或 torch.Tensor) – 仿射變換的縮放參數

• standard_normal (布林值, 可選) –

  如果為 True，變換將是

  \[reward = (reward-loc)/scale\]

  如同標準化操作一樣。預設為 False。

transform_reward_spec(reward_spec: TensorSpec) → TensorSpec

變換獎勵的 Spec (規範)，使其結果 Spec 與變換對映相匹配。

引數：

reward_spec (TensorSpec) – 變換前的 Spec (規範)

返回：

變換後的預期 Spec (規範)