class mindspore_rl.core.UniformReplayBuffer(batch_size, capacity, shapes, types)

重放缓存类。重放缓存区中存放来自环境的经验数据。在该类中，每个元素都是一组Tensor。因此，ReplayBuffer类的构造函数将每个Tensor的形状和类型作为参数。

参数：

• batch_size (int) - 从缓存区采样的batch大小。

• capacity (int) - 缓存区的大小。

• shapes (list[int]) - 缓存区中每个元素对应的Tensor shape列表。

• types (list[mindspore.dtype]) - 缓存区中每个元素对应的Tensor dtype列表。

样例：

>>> import mindspore as ms
>>> from mindspore_rl.core.uniform_replay_buffer import UniformReplayBuffer
>>> batch_size = 10
>>> capacity = 10000
>>> shapes = [(4,), (1,), (1,), (4,)]
>>> types = [ms.float32, ms.int32, ms.float32, ms.float32]
>>> replaybuffer = UniformReplayBuffer(batch_size, capacity, shapes, types)
>>> print(replaybuffer)
UniformReplayBuffer<>

full()

检查缓存区是否已满。

返回：

• Full (bool) - 缓存区已满返回True，否则返回False。

get_item(index)

从缓存区的指定位置取出元素。

参数：

• index (int) - 元素的索引。

返回：

• element (list[Tensor]) - 返回指定位置的元素。

insert(exp)

将元素插入缓存区。如果缓存区已满，则将使用先进先出的策略替换缓存区的元素。

参数：

• exp (list[Tensor]) - 插入的Tensor组，需要符合缓存初始化时的shape和type。

返回：

• element (list[Tensor]) - 返回插入数据后的缓存区。

reset()

重置缓存区，将count值置零。

返回：

• success (bool) - 重置是否成功。

sample()

缓存区采样，随机地选择一组元素并输出。

返回：

• data (Tuple(Tensor)) - 一组从缓存区随机采样出的元素。

size()

返回缓存区的大小。

返回：

• size (int) - 缓存区的元素个数。