SelectTransform

類 torchrl.envs.transforms.SelectTransform(*selected_keys: NestedKey, keep_rewards: bool = True, keep_dones: bool = True)

從輸入 tensordict 中選擇鍵。

通常，應首選 ExcludeTransform：此變換還會

選擇“action”（或 input_spec 中的其他鍵）、“done”和“reward”鍵，但可能還需要其他鍵。

引數：

*selected_keys (NestedKey 的可迭代物件) – 要選擇的鍵的名稱。如果鍵不存在，則會被忽略。

關鍵字引數：

• keep_rewards (bool, 可選的) – 如果為 False，如果要保留獎勵鍵，則必須提供。預設為 True。

• keep_dones (bool, 可選的) – 如果為 False，如果要保留 done 鍵，則必須必須提供。預設為 True。

示例

>>> import gymnasium
>>> from torchrl.envs import GymWrapper
>>> env = TransformedEnv(
...     GymWrapper(gymnasium.make("Pendulum-v1")),
...     SelectTransform("observation", "reward", "done", keep_dones=False), # we leave done behind
... )
>>> env.rollout(3)  # the truncated key is now absent
TensorDict(
    fields={
        action: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.float32, is_shared=False),
        done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False),
        next: TensorDict(
            fields={
                done: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.bool, is_shared=False),
                observation: Tensor(shape=torch.Size([3, 3]), device=cpu, dtype=torch.float32, is_shared=False),
                reward: Tensor(shape=torch.Size([3, 1]), device=cpu, dtype=torch.float32, is_shared=False)},
            batch_size=torch.Size([3]),
            device=cpu,
            is_shared=False),
        observation: Tensor(shape=torch.Size([3, 3]), device=cpu, dtype=torch.float32, is_shared=False)},
    batch_size=torch.Size([3]),
    device=cpu,
    is_shared=False)

forward(tensordict: TensorDictBase) → TensorDictBase

讀取輸入 tensordict，並對選定的鍵應用變換。

transform_output_spec(output_spec: Composite) → Composite

變換輸出規範，使結果規範與變換對映匹配。

通常應保持此方法不變。更改應使用 transform_observation_spec()、transform_reward_spec() 和 transform_full_done_spec() 來實現。 :param output_spec: 變換前的規範 :type output_spec: TensorSpec

返回：

變換後的預期規範