ray.rllib.policy.eager_tf_policy_v2.EagerTFPolicyV2.grad_stats_fn

EagerTFPolicyV2.grad_stats_fn(train_batch: SampleBatch, grads: List[Tuple[numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor, numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor]] | List[numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor]) → Dict[str, numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor]

梯度统计函数。返回一个统计数据的字典。

参数:

train_batch – 用于训练的 SampleBatch（已使用）。

返回:

统计字典。