首页
/ TorchRL v0.7.0发布:强化学习框架的重大升级

TorchRL v0.7.0发布:强化学习框架的重大升级

2025-06-17 18:44:03作者:宣聪麟

项目简介

TorchRL是PyTorch生态中的强化学习(Reinforcement Learning)框架,它为研究人员和开发者提供了构建、训练和评估强化学习算法所需的工具和组件。作为一个模块化设计的库,TorchRL整合了环境、模型、损失函数、回放缓冲区等核心组件,使得强化学习算法的实现更加高效和便捷。

主要更新内容

编译兼容性提升

本次v0.7.0版本的一个重大改进是大幅提升了与torch.compile的兼容性。通过优化代码结构,现在所有SOTA(State-Of-The-Art)训练脚本都能接受compile=1参数,实现了1到4倍的性能提升。特别是回放缓冲区(ReplayBuffer)现在基本都能兼容编译,为强化学习训练带来了显著的加速效果。

多头部策略优化

针对复合动作空间(multi-head policies)的处理进行了重要改进:

  1. 修改了CompositeDistribution的行为,现在会为分布中的每个叶张量写入不同的对数概率
  2. PPO损失函数现在能更好地处理复合动作,为每个动作组件单独计算优势函数
  3. 新增了tensordict.nn.set_composite_lp_aggregate函数控制新行为

这些改进使得处理复杂动作空间(如同时包含离散和连续动作)变得更加自然和高效。

新环境与转换器

  1. ChessEnv:新增了国际象棋环境,支持FEN(福赛斯-爱德华兹记号法)、PGN(便携式棋局记号法)等多种棋局表示方式,并提供了像素渲染功能
  2. TrajCounter:轨迹计数器转换器,用于跟踪轨迹长度
  3. Hash和Tokenizer:哈希和分词器转换器,特别适合语言模型相关任务
  4. LineariseReward:线性化奖励转换器,可将复杂奖励信号转换为线性形式

存储系统改进

引入了LazyStackStorage,这是一种基于ListStorage的新型存储系统,能够自动将样本表示为LazyStackedTensorDict。这种设计使得存储不规则张量(ragged tensors)变得更加容易,虽然它们在内存中不是连续存储的。

规格(Spec)系统增强

  1. 新增auto_spec_属性,可根据虚拟 rollout自动设置规格
  2. 对于批处理环境,现在可以通过_spec_unbatched访问未批处理的规格
  3. 规格系统现在默认会谨慎锁定,确保环境未被修改,从而可以缓存更多信息

性能优化

  1. 在GPU上加速了切片采样器(SliceSampler)
  2. 避免了在SliceSampler中克隆轨迹
  3. 优化了编译后的ReplayBuffer性能
  4. 改进了设备传输效率,特别是在混合设备场景下

其他重要改进

  1. MCTSForest:实现了蒙特卡洛树搜索森林,为规划算法提供了新工具
  2. Ordinal分布:新增了序数分布支持
  3. Choice规格:新增了选择规格类型
  4. 复合分布批处理:改进了复合分布的批处理支持
  5. 环境步进控制:新增env.step_mdp方法,提供更灵活的环境控制

向后兼容性说明

  1. 移除了AdditiveGaussianWrapper、InPlaceSampler、NormalParamWrapper和OrnsteinUhlenbeckProcessWrapper等已弃用的类
  2. 修改了默认MLP配置,深度从3改为0(相当于普通线性层)
  3. 规格系统现在默认锁定,直接修改子规格将不再允许

开发者工具改进

  1. 新增timeit.printevery功能,方便性能分析
  2. 添加group_optimizers工具,简化优化器管理
  3. 改进了类型提示,增强IDE自动补全支持
  4. 新增reset_parameters_recursive方法,方便模块参数重置

总结

TorchRL v0.7.0带来了全面的性能提升和新功能,特别是在编译兼容性、多头部策略支持和环境多样性方面。这些改进使得TorchRL在处理复杂强化学习任务时更加高效和灵活,同时也为研究人员提供了更多实验工具。对于正在使用或考虑使用PyTorch进行强化学习开发的用户来说,这次升级值得关注和尝试。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
47
248
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
346
381
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
871
516
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184
kernelkernel
deepin linux kernel
C
22
5
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
7
0
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
335
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
31
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