result = ts.trainer.offpolicy_trainer( policy, train_collector, test_collector, max_epoch=max_epoch, step_per_epoch=step_per_epoch, collect_per_step=collect_per_step, episode_per_test=30, batch_size=64, train_fn=lambda e1, e2: policy.set_eps(0.1 / round), test_fn=lambda e1, e2: policy.set_eps(0.05 / round), writer=None)的collect_per_step是什么

collect_per_step是指在每个训练epoch中，agent从环境中采集数据的步数。具体来说，在每个epoch中，agent会执行step_per_epoch次训练步骤，每个训练步骤中，agent会从环境中连续采集collect_per_step个样本，这些样本将被用于训练agent的策略网络。因此，collect_per_step的值越大，agent每次采集的样本就越多，训练效率也就越高。但是，如果collect_per_step的值过大，可能会导致agent采集到的样本之间存在较大的相关性，从而影响训练效果。