空間工具¶

gymnasium.spaces.utils.flatten_space(space: Space[Any]) → Box | Dict | Sequence | Tuple | Graph[source]¶

gymnasium.spaces.utils.flatten_space(space: Box) → Box

gymnasium.spaces.utils.flatten_space(space: Discrete | MultiBinary | MultiDiscrete) → Box

gymnasium.spaces.utils.flatten_space(space: Tuple) → Box | Tuple

gymnasium.spaces.utils.flatten_space(space: Dict) → Box | Dict

gymnasium.spaces.utils.flatten_space(space: Graph) → Graph

gymnasium.spaces.utils.flatten_space(space: Text) → Box

gymnasium.spaces.utils.flatten_space(space: Sequence) → Sequence

gymnasium.spaces.utils.flatten_space(space: OneOf) → Box

將一個空間儘可能地扁平化。

此函式將嘗試將 space 扁平化為一個單一的 gymnasium.spaces.Box 空間。然而，當 space 是 gymnasium.spaces.Graph、gymnasium.spaces.Sequence 的例項，或包含 gymnasium.spaces.Graph 或 gymnasium.spaces.Sequence 空間的複合空間時，這可能無法實現。這等同於 flatten()，但它作用於空間本身。對於非圖空間，結果始終是具有扁平邊界的 gymnasium.spaces.Box；而對於圖空間，結果始終是 gymnasium.spaces.Graph，其 Graph.node_space 是具有扁平邊界的 Box，Graph.edge_space 是具有扁平邊界的 Box 或 None。該 Box 具有精確的 flatdim() 維度。扁平化原始空間的一個樣本與從扁平化空間中取樣具有相同的效果。然而，從扁平化空間中取樣不一定是可逆的。例如，從扁平化離散空間中取樣與從 Box 中取樣相同，結果可能不是整數或獨熱編碼。這可能導致錯誤或非均勻取樣。

引數:: space – 要扁平化的空間
返回:: 一個扁平化的 Box
引發:: NotImplementedError – 如果空間未在 gymnasium.spaces 中定義。

示例 - 扁平化 spaces.Box

>>> from gymnasium.spaces import Box
>>> box = Box(0.0, 1.0, shape=(3, 4, 5))
>>> box
Box(0.0, 1.0, (3, 4, 5), float32)
>>> flatten_space(box)
Box(0.0, 1.0, (60,), float32)
>>> flatten(box, box.sample()) in flatten_space(box)
True

示例 - 扁平化 spaces.Discrete

>>> from gymnasium.spaces import Discrete
>>> discrete = Discrete(5)
>>> flatten_space(discrete)
Box(0, 1, (5,), int64)
>>> flatten(discrete, discrete.sample()) in flatten_space(discrete)
True

示例 - 扁平化 spaces.Dict

>>> from gymnasium.spaces import Dict, Discrete, Box
>>> space = Dict({"position": Discrete(2), "velocity": Box(0, 1, shape=(2, 2))})
>>> flatten_space(space)
Box(0.0, 1.0, (6,), float64)
>>> flatten(space, space.sample()) in flatten_space(space)
True

示例 - 扁平化 spaces.Graph

>>> from gymnasium.spaces import Graph, Discrete, Box
>>> space = Graph(node_space=Box(low=-100, high=100, shape=(3, 4)), edge_space=Discrete(5))
>>> flatten_space(space)
Graph(Box(-100.0, 100.0, (12,), float32), Box(0, 1, (5,), int64))
>>> flatten(space, space.sample()) in flatten_space(space)
True

gymnasium.spaces.utils.flatten(space: Space[T], x: T) → ndarray[tuple[Any, ...], dtype[Any]] | dict[str, Any] | tuple[Any, ...] | GraphInstance[source]¶

gymnasium.spaces.utils.flatten(space: Box | MultiBinary, x: ndarray[tuple[Any, ...], dtype[Any]]) → ndarray[tuple[Any, ...], dtype[Any]]

gymnasium.spaces.utils.flatten(space: Discrete, x: int64) → ndarray[tuple[Any, ...], dtype[int64]]

gymnasium.spaces.utils.flatten(space: MultiDiscrete, x: ndarray[tuple[Any, ...], dtype[int64]]) → ndarray[tuple[Any, ...], dtype[int64]]

gymnasium.spaces.utils.flatten(space: Tuple, x: tuple[Any, ...]) → tuple[Any, ...] | ndarray[tuple[Any, ...], dtype[Any]]

gymnasium.spaces.utils.flatten(space: Dict, x: dict[str, Any]) → dict[str, Any] | ndarray[tuple[Any, ...], dtype[Any]]

gymnasium.spaces.utils.flatten(space: Graph, x: GraphInstance) → GraphInstance

gymnasium.spaces.utils.flatten(space: Text, x: str) → ndarray[tuple[Any, ...], dtype[int32]]

gymnasium.spaces.utils.flatten(space: Sequence, x: tuple[Any, ...] | Any) → tuple[Any, ...] | Any

gymnasium.spaces.utils.flatten(space: OneOf, x: tuple[int, Any]) → ndarray[tuple[Any, ...], dtype[Any]]

扁平化一個空間中的資料點。

當空間中的點必須傳遞給只理解扁平浮點陣列的神經網路時，這非常有用。

引數:

space – 用於扁平化 x 的空間
x – 要扁平化的值

返回:

扁平化的資料點 –

對於 gymnasium.spaces.Box 和 gymnasium.spaces.MultiBinary，這是一個扁平化的陣列
對於 gymnasium.spaces.Discrete 和 gymnasium.spaces.MultiDiscrete，這是一個樣本的扁平化獨熱陣列
對於 gymnasium.spaces.Tuple 和 gymnasium.spaces.Dict，這是子空間的連線陣列（不支援圖子空間）
對於圖空間，返回 GraphInstance，其中
- GraphInstance.nodes 是 n x k 陣列
- GraphInstance.edges 是
  
  m x k 陣列
  
  None
- GraphInstance.edge_links 是
  
  m x 2 陣列
  
  None

引發:

NotImplementedError – 如果空間未在 gymnasium.spaces 中定義。

示例

>>> from gymnasium.spaces import Box, Discrete, Tuple
>>> space = Box(0, 1, shape=(3, 5))
>>> flatten(space, space.sample()).shape
(15,)
>>> space = Discrete(4)
>>> flatten(space, 2)
array([0, 0, 1, 0])
>>> space = Tuple((Box(0, 1, shape=(2,)), Box(0, 1, shape=(3,)), Discrete(3)))
>>> example = ((.5, .25), (1., 0., .2), 1)
>>> flatten(space, example)
array([0.5 , 0.25, 1.  , 0.  , 0.2 , 0.  , 1.  , 0.  ])

gymnasium.spaces.utils.flatdim(space: Space[Any]) → int[source]¶

gymnasium.spaces.utils.flatdim(space: Box | MultiBinary) → int

gymnasium.spaces.utils.flatdim(space: Discrete) → int

gymnasium.spaces.utils.flatdim(space: MultiDiscrete) → int

gymnasium.spaces.utils.flatdim(space: Tuple) → int

gymnasium.spaces.utils.flatdim(space: Dict) → int

gymnasium.spaces.utils.flatdim(space: Graph)

gymnasium.spaces.utils.flatdim(space: Text) → int

gymnasium.spaces.utils.flatdim(space: OneOf) → int

返回此空間的扁平化等效形式所具有的維度數。

引數:

space – 要返回扁平化空間維度的空間

返回:

扁平化空間的維度數

引發:

NotImplementedError – 如果空間未在 gym.spaces 中定義。
ValueError – 如果空間無法扁平化為 gymnasium.spaces.Box

示例

>>> from gymnasium.spaces import Dict, Discrete
>>> space = Dict({"position": Discrete(2), "velocity": Discrete(3)})
>>> flatdim(space)
5

gymnasium.spaces.utils.unflatten(space: Space[T], x: ndarray[tuple[Any, ...], dtype[Any]] | dict[str, Any] | tuple[Any, ...] | GraphInstance) → T[source]¶

gymnasium.spaces.utils.unflatten(space: Box | MultiBinary, x: ndarray[tuple[Any, ...], dtype[Any]]) → ndarray[tuple[Any, ...], dtype[Any]]

gymnasium.spaces.utils.unflatten(space: Discrete, x: ndarray[tuple[Any, ...], dtype[int64]]) → int64

gymnasium.spaces.utils.unflatten(space: MultiDiscrete, x: ndarray[tuple[Any, ...], dtype[integer[Any]]]) → ndarray[tuple[Any, ...], dtype[integer[Any]]]

gymnasium.spaces.utils.unflatten(space: Tuple, x: ndarray[tuple[Any, ...], dtype[Any]] | tuple[Any, ...]) → tuple[Any, ...]

gymnasium.spaces.utils.unflatten(space: Dict, x: ndarray[tuple[Any, ...], dtype[Any]] | dict[str, Any]) → dict[str, Any]

gymnasium.spaces.utils.unflatten(space: Graph, x: GraphInstance) → GraphInstance

gymnasium.spaces.utils.unflatten(space: Text, x: ndarray[tuple[Any, ...], dtype[int32]]) → str

gymnasium.spaces.utils.unflatten(space: Sequence, x: tuple[Any, ...]) → tuple[Any, ...] | Any

gymnasium.spaces.utils.unflatten(space: OneOf, x: ndarray[tuple[Any, ...], dtype[Any]]) → tuple[int, Any]

將扁平化的資料點恢復到空間結構。

這會反轉由 flatten() 應用的變換。你必須確保 space 引數與 flatten() 呼叫時使用的相同。

引數:

space – 用於恢復 x 結構的原始空間
x – 要恢復結構的陣列

返回:

一個結構與空間匹配的點。

引發:

NotImplementedError – 如果空間未在 gymnasium.spaces 中定義。