ray.rllib.policy.sample_batch.样本批次#
- class ray.rllib.policy.sample_batch.SampleBatch(*args, **kwargs)[源代码]#
基类：
dict围绕字典的包装器，键为字符串，值为类似数组的对象。
例如，{“obs”: [1, 2, 3], “reward”: [0, -1, 1]} 是一个包含三个样本的批次，每个样本都有一个 “obs” 和 “reward” 属性。
方法
构建一个样本批次（与字典构造函数的参数相同）。
返回与 len(self) 相同的结果（此批次中的步数）。
返回相应的 MultiAgentBatch
返回指定列中的批处理数据列表。
就地压缩数据缓冲区（按列）。
将
other连接到当前对象并返回一个新的 SampleBatch。创建此 SampleBatch 的深拷贝或浅拷贝并返回。
原地解压缩数据缓冲区（如果不是压缩的，则按列解压缩）。
返回与 len(self) 相同的结果（此批次中的步数）。
使用可迭代对象中的键创建一个新字典，并将值设置为指定的值。
返回数据中按键指定的一列，或返回默认值。
在给定的索引处从
self创建单个 ts SampleBatch。如果这个 SampleBatch 只包含一个轨迹，则返回 True。
如果
self在 idx -1 处被终止或截断，则返回 True。如果未找到键，则返回给定的默认值；否则，引发 KeyError。
移除并返回一个 (键, 值) 对作为 2-tuple。
Right (在末尾添加零) 就地对 SampleBatch 进行零填充。
返回一个数据行的迭代器，即包含列值的字典。
设置一个函数在每次 getitem 时被调用。
设置此 SampleBatch 的
is_training标志。如果字典中不存在键，则插入键并赋予默认值。
就地打乱此批次中的行。
返回所有数据缓冲区字节数的总和。
返回此批次行数据的切片（不复制）。
按
eps_id列分割并返回新批次列表。返回 SampleBatches，每个代表此数据集的一个 k-切片。
TODO: 将批处理转移到指定设备作为框架张量。
如果 E 存在且有 .keys() 方法，则执行： for k in E: D[k] = E[k] 如果 E 存在但没有 .keys() 方法，则执行： for k, v in E: D[k] = v 在任何一种情况下，之后都会执行： for k in F: D[k] = F[k]
属性