首页
/ Tianshou框架中基于策略模型获取环境动作的技术解析

Tianshou框架中基于策略模型获取环境动作的技术解析

2025-05-27 08:11:33作者:董灵辛Dennis

策略模型的基本使用原理

在强化学习框架Tianshou中,策略模型(Policy)是智能体决策的核心组件。当我们需要让训练好的策略模型在环境中执行动作时,需要理解模型输入输出的规范格式。策略模型接收观测数据(observation)后,会输出对应的动作分布或确定性的动作值。

观测数据的标准化处理

Tianshou框架对观测数据有特定的封装要求。原始的环境观测数据需要通过Batch类进行标准化封装,这是为了:

  1. 统一不同环境返回的观测数据结构
  2. 方便批量处理多个观测数据
  3. 支持GPU加速计算

正确的观测封装方式应该是:

from tianshou.data import Batch

# 假设env.reset()返回观测数据obs
batch_data = Batch(obs=obs, info=None)

策略模型的调用方式

Tianshou提供了几种调用策略模型的方式,各有适用场景:

  1. 直接调用方式 (推荐)
action = policy(batch_data).act.item()

这是最简洁且符合框架设计理念的调用方式,返回的是可直接执行的离散动作值。

  1. compute_action方法
action = policy.compute_action(obs=obs[0]['obs'])

这种方法适用于需要单独处理观测数据的情况,但不如Batch封装方式规范。

  1. forward方法
action = policy.forward(batch_data)

这是底层实现方法,返回的是包含更多信息的完整输出。

实际应用建议

对于大多数应用场景,推荐使用第一种直接调用方式,因为:

  • 代码简洁直观
  • 符合框架设计模式
  • 自动处理动作空间类型转换
  • 支持探索/开发模式的切换

对于连续动作空间环境,获取动作值时不需要.item()调用,而是直接使用返回的tensor。

模型加载注意事项

加载预训练模型时,除了加载state_dict外,还应确保:

  1. 策略模型结构与保存时完全一致
  2. 动作空间定义相同
  3. 如有自定义网络结构,需先实例化相同结构
# 正确的模型加载流程
policy = DQNPolicy(...)  # 使用与原训练相同的参数
policy.load_state_dict(torch.load('policy.pth'))
policy.eval()  # 设置为评估模式
登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58