ray.rllib.env.env_runner.环境运行器#

class ray.rllib.env.env_runner.EnvRunner(*, config: AlgorithmConfig, **kwargs)[源代码]#

基类：FaultAwareApply

分布式RL风格环境数据收集的基类。

EnvRunner API 的核心功能可以概括为： - 通过将 AlgorithmConfig 对象传递给构造函数进行配置。通常，EnvRunner 的子类会构建它们自己的环境（可能是向量化的）副本和 RLModules/Policies，并使用后者来逐步通过环境以收集训练数据。 - EnvRunner 的客户端可以使用 sample() 方法从环境中收集用于训练的数据。 - EnvRunner 通过基于此类创建 n 个远程 Ray 执行者来提供并行性。使用 ray.remote([resources])(EnvRunner) 方法创建相应的 Ray 远程类。然后使用 Ray 的 [ctor].remote(...) 语法实例化 n 个执行者。 - EnvRunner 的客户端可以获取有关运行各个执行者的服务器/节点的信息。

PublicAPI (alpha): 此API处于alpha阶段，可能在稳定之前发生变化。

方法

`__init__`	初始化一个 EnvRunner 实例。
`apply`	使用此 Actor 实例调用给定的函数。
`assert_healthy`	检查 self.__init__() 是否已正确完成。
`get_spaces`	返回一个字典，将 ModuleIDs 映射到观察空间和动作空间的 2-元组。
`make_env`	为此 EnvRunner 创建 RL 环境并将其分配给 `self.env`。
`ping`	Ping 操作者。
`sample`	返回从该 EnvRunner 中采样的经验（任何形式）。
`stop`	释放此 EnvRunner 使用的所有资源。