ray.rllib.policy.Policy.从重放缓冲区学习批量数据

Policy.learn_on_batch_from_replay_buffer(replay_actor: ActorHandle, policy_id: str) → Dict[str, numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor]

从给定的回放缓存中采样一批数据并执行更新。

参数:

• replay_actor – 从重放缓冲区中采样的演员。

• policy_id – 此策略的ID。

返回:

来自 compute_gradients() 的额外元数据的字典。