VC1Transform¶

class torchrl.envs.transforms.VC1Transform(in_keys, out_keys, model_name, del_keys: bool = True)[原始檔]¶

VC1 轉換類。

VC1 提供了預訓練的 ResNet 權重，旨在促進機器人任務的視覺嵌入。這些模型使用 Ego4d 進行訓練。

參閱論文

VC1: 一種用於機器人操作的通用視覺表示 (Suraj Nair,: Aravind Rajeswaran, Vikash Kumar, Chelsea Finn, Abhinav Gupta) https://arxiv.org/abs/2203.12601

VC1Transform 以延遲方式建立：物件只有在查詢其屬性（spec 或 forward 方法）時才會初始化。這樣做的原因是因為 _init() 方法需要訪問父環境（如果存在）的某些屬性：透過使類延遲初始化，我們可以確保以下程式碼片段按預期工作。

示例

>>> transform = VC1Transform("default", in_keys=["pixels"])
>>> env.append_transform(transform)
>>> # the forward method will first call _init which will look at env.observation_spec
>>> env.reset()

引數:

in_keys (list of NestedKeys) – 輸入鍵列表。如果留空，則假定為“pixels”鍵。
out_keys (list of NestedKeys, optional) – 輸出鍵列表。如果留空，則假定為“VC1_vec”。
model_name (str) – "large"、"base" 或任何其他相容的模型名稱之一（更多資訊請參閱 github 倉庫）。預設為 "default"，它提供一個小型、未經訓練的模型用於測試。
del_keys (bool, optional) – 如果為 True（預設），則輸入鍵將從返回的 tensordict 中丟棄。

forward(tensordict)¶: 讀取輸入的 tensordict，並對選定的鍵應用轉換。

classmethod make_noload_model()[原始檔]¶: 在自定義目標位置建立一個樸素模型。

to(dest: Union[device, str, int, dtype])[原始檔]¶

移動和/或轉換引數和緩衝區。

可以按如下方式呼叫

to(device=None, dtype=None, non_blocking=False)[原始檔]

to(dtype, non_blocking=False)[原始檔]

to(tensor, non_blocking=False)[原始檔]

to(memory_format=torch.channels_last)[原始檔]

它的簽名類似於 torch.Tensor.to()，但只接受浮點數或複數 dtype。此外，此方法只會將浮點數或複數引數和緩衝區轉換為 dtype（如果給定）。整數引數和緩衝區將被移動到 device（如果給定），但其 dtype 不會改變。當 non_blocking 設定時，它會嘗試儘可能與主機非同步轉換/移動，例如，將具有固定記憶體的 CPU 張量移動到 CUDA 裝置。

請參閱下面的示例。

注意

此方法會就地修改模組。

引數:

device (torch.device) – 此模組中引數和緩衝區所需的目標裝置
dtype (torch.dtype) – 此模組中引數和緩衝區所需的浮點數或複數 dtype
tensor (torch.Tensor) – 張量，其 dtype 和 device 是此模組中所有引數和緩衝區所需的目標 dtype 和 device
memory_format (torch.memory_format) – 此模組中 4D 引數和緩衝區所需的記憶體格式（僅限關鍵字引數）

返回值:

self

返回型別:

Module

示例

>>> # xdoctest: +IGNORE_WANT("non-deterministic")
>>> linear = nn.Linear(2, 2)
>>> linear.weight
Parameter containing:
tensor([[ 0.1913, -0.3420],
        [-0.5113, -0.2325]])
>>> linear.to(torch.double)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1913, -0.3420],
        [-0.5113, -0.2325]], dtype=torch.float64)
>>> # xdoctest: +REQUIRES(env:TORCH_DOCTEST_CUDA1)
>>> gpu1 = torch.device("cuda:1")
>>> linear.to(gpu1, dtype=torch.half, non_blocking=True)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1914, -0.3420],
        [-0.5112, -0.2324]], dtype=torch.float16, device='cuda:1')
>>> cpu = torch.device("cpu")
>>> linear.to(cpu)
Linear(in_features=2, out_features=2, bias=True)
>>> linear.weight
Parameter containing:
tensor([[ 0.1914, -0.3420],
        [-0.5112, -0.2324]], dtype=torch.float16)

>>> linear = nn.Linear(2, 2, bias=None).to(torch.cdouble)
>>> linear.weight
Parameter containing:
tensor([[ 0.3741+0.j,  0.2382+0.j],
        [ 0.5593+0.j, -0.4443+0.j]], dtype=torch.complex128)
>>> linear(torch.ones(3, 2, dtype=torch.cdouble))
tensor([[0.6122+0.j, 0.1150+0.j],
        [0.6122+0.j, 0.1150+0.j],
        [0.6122+0.j, 0.1150+0.j]], dtype=torch.complex128)

transform_observation_spec(observation_spec: TensorSpec) → TensorSpec[原始檔]¶

轉換 observation spec，使結果 spec 與轉換對映匹配。

引數:: observation_spec (TensorSpec) – 轉換前的 spec
返回值:: 轉換後預期的 spec

VC1Transform¶

文件

教程

資源