TorchRL v0.7.0发布:强化学习框架的重大升级
2025-06-17 16:11:16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:
- 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
- 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
- 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
- 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
- TrajCounter:轨迹计数器转换器,用于跟踪轨迹长度
- Hash和Tokenizer:哈希和分词器转换器,特别适合语言模型相关任务
- 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
- 新增auto_spec_属性,可根据虚拟 rollout自动设置规格
- 对于批处理环境,现在可以通过_spec_unbatched访问未批处理的规格
- 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
- 在GPU上加速了切片采样器(SliceSampler)
- 避免了在SliceSampler中克隆轨迹
- 优化了编译后的ReplayBuffer性能
- 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
- MCTSForest:实现了蒙特卡洛树搜索森林,为规划算法提供了新工具
- Ordinal分布:新增了序数分布支持
- Choice规格:新增了选择规格类型
- 复合分布批处理:改进了复合分布的批处理支持
- 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
- 移除了AdditiveGaussianWrapper、InPlaceSampler、NormalParamWrapper和OrnsteinUhlenbeckProcessWrapper等已弃用的类
- 修改了默认MLP配置,深度从3改为0(相当于普通线性层)
- 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
- 新增timeit.printevery功能,方便性能分析
- 添加group_optimizers工具,简化优化器管理
- 改进了类型提示,增强IDE自动补全支持
- 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
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0285Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

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

React Native鸿蒙化仓库
C++
198
279

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++
535
62

Ascend Extension for PyTorch
Python
48
81

🎉 (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
950
556

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
1 K
397

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
385
19

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191