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 12:21:20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
相关项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
504
42
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279
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
992
395
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
938
554
communitycommunity
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
11
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70