ray.rllib.policy.torch_policy_v2.TorchPolicyV2.action_distribution_fn

TorchPolicyV2.action_distribution_fn(model: ModelV2, *, obs_batch: numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor, state_batches: numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor, **kwargs) → Tuple[numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor, type, List[numpy.array | jnp.ndarray | tf.Tensor | torch.Tensor]]

此策略的动作分布函数。

参数:

• model – 底层模型。

• obs_batch – 观察张量批次。

• state_batches – 动作采样状态批次。

返回:

分布输入。ActionDistribution 类。状态输出。