GAILLoss

類 torchrl.objectives.GAILLoss(*args, **kwargs)

TorchRL 實現的生成對抗模仿學習 (GAIL) 損失函式。

發表於 “Generative Adversarial Imitation Learning” <https://arxiv.org/pdf/1606.03476>

引數：

discriminator_network (TensorDictModule) – 隨機 actor

關鍵字引數：

• use_grad_penalty (bool, 可選) – 是否使用梯度懲罰。預設值：False。

• gp_lambda (float, 可選) – 梯度懲罰 lambda。預設值：10。

• reduction (str, 可選) – 指定要應用於輸出的歸約方式："none" | "mean" | "sum"。"none": 不應用歸約，"mean": 輸出的總和將除以輸出中的元素數量，"sum": 對輸出求和。預設值："mean"。

default_keys

_AcceptedKeys 的別名

forward(tensordict: TensorDictBase = None) → TensorDictBase

forward 方法。

計算判別器損失，如果 use_grad_penalty 設定為 True，則計算梯度懲罰。如果 use_grad_penalty 設定為 True，還會返回分離的梯度懲罰損失，用於日誌記錄。要檢視輸入 tensordict 中期望的鍵和輸出中期望的鍵，請檢查類的 “in_keys” 和 “out_keys” 屬性。