SAC训练时报错
D:\my_Webots_project\no_wheel\controllers\Env_SAC\SAC_continuous.py:253: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).
self.alpha = torch.tensor(self.alpha, dtype=torch.float32, device=self.device)
D:\my_Webots_project\no_wheel\controllers\Env_SAC\SAC_continuous.py:252: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).
self.GAMMA = torch.tensor(self.GAMMA, dtype=torch.float32, device=self.device)
D:\my_Webots_project\no_wheel\controllers\Env_SAC\SAC_continuous.py:314: UserWarning: To copy construct from a tensor, it is recommended to use sourceTensor.clone().detach() or sourceTensor.clone().detach().requires_grad_(True), rather than torch.tensor(sourceTensor).
self.target_entropy = torch.tensor(self.target_entropy, dtype=torch.float32, device=self.device)
这个警告信息是提示在构造新的张量时,推荐使用 sourceTensor.clone().detach() 或 sourceTensor.clone().detach().requires_grad_(True),而不是使用 torch.tensor(sourceTensor) 的方式。
警告信息提到了这个建议,是因为在 PyTorch 中,torch.tensor() 函数都会创建新的张量,并且不与原先的张量共享内存,即使输入的是一个已有的 PyTorch 张量。如果原先的张量是一个反向传播计算图的一部分,使用 torch.tensor() 函数会破坏计算图中张量的历史信息,使原来的张量和新创建的张量不再共享梯度和计算历史。因此,如果想要创建一个新的张量,最好使用 tensor.clone().detach() 或者 tensor.detach().clone(),这样可以安全地复制一个共享计算历史的张量。
b = a.clone().detach() # 或者 b = a.detach().clone()
代替
b = torch.tensor(a)
这样生成的张量 b
具有相同的形状和值,但是它不再共享梯度和计算历史,可以安全地用于其他操作。
目前可以正常训练,暂未修改代码