Pytorch-如何指定输入层？默认情况下包括吗？

Question

我正在努力在稳定的Baselines中处理强化学习问题3，但我认为这对这个问题并不重要。 SB3基于Pytorch。

我有101个输入功能，即使我设计了一个神经体系结构，第一层只有64个节点，但网络仍然可以工作。以下是我的模型体系结构的屏幕截图：

我很担心，因为我认为神经网络的第一层需要具有等于输入功能数量的节点。

Pytorch是否默认包含输入层，并且不显示它？如果是这样，我怎么能知道并控制输入层的激活功能等是什么？

编辑： 这是我的进口和基本代码，以回应迈克尔的评论。

import gym
from gym import Env
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
from gym import spaces
from gym.utils import seeding
from stable_baselines3.common.vec_env import DummyVecEnv, SubprocVecEnv
from stable_baselines3.common.utils import set_random_seed
from stable_baselines3.common.evaluation import evaluate_policy
from stable_baselines3.common.env_util import make_vec_env
from stable_baselines3 import PPO
import math
import random
import torch as th

from sb3_contrib.common.maskable.policies import MaskableActorCriticPolicy
from sb3_contrib.common.wrappers import ActionMasker
from sb3_contrib.ppo_mask import MaskablePPO
from sb3_contrib.common.envs import InvalidActionEnvDiscrete
from sb3_contrib.common.maskable.evaluation import evaluate_policy
from sb3_contrib.common.maskable.utils import get_action_masks

env = MyCustomEnv(....)
env = ActionMasker(env, mask_fn)  # Wrap to enable masking

# Defining custom neural network architecture
mynetwork = dict(activation_fn=th.nn.LeakyReLU,
                     net_arch=[dict(pi=[64, 64], vf=[64, 64])])

# Maskable PPO behaves just like regular PPO
model = MaskablePPO(MaskableActorCriticPolicy, env, verbose=1, learning_rate=0.0005, gamma=0.975, seed=10, batch_size=256, clip_range=0.2,
                    tensorboard_log="./log1/", policy_kwargs=mynetwork)
# To get the screenshot I gave
print(model.policy)

Answer 1

我们可以在稳定基线的源代码中进行一些挖掘。

在 maskableAtctorCriticpolicy ，我们可以看到它通过初始化 mlpextractor 并创建policy> policy_net sub-network 在这里定义其层次的定义在。最终，图层特征尺寸由“ Pi”和“ VF” list s net_arch （ 。

如果追溯此信息，您会注意到这些参数可以被修改为net_arch > code> maskableActorCriticpolicy header”> header 。