d4rl_mujoco_ant

  • Описание :

D4RL — это тест с открытым исходным кодом для автономного обучения с подкреплением. Он предоставляет стандартизированные среды и наборы данных для алгоритмов обучения и сравнительного анализа.

Наборы данных соответствуют формату RLDS для представления шагов и эпизодов.

@misc{fu2020d4rl,
    title={D4RL: Datasets for Deep Data-Driven Reinforcement Learning},
    author={Justin Fu and Aviral Kumar and Ofir Nachum and George Tucker and Sergey Levine},
    year={2020},
    eprint={2004.07219},
    archivePrefix={arXiv},
    primaryClass={cs.LG}
}

d4rl_mujoco_ant/v0-expert (конфигурация по умолчанию)

  • Размер загрузки : 131.34 MiB

  • Размер набора данных : 464.94 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1288
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v0-medium

  • Размер загрузки : 131.39 MiB

  • Размер набора данных : 464.78 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1122
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v0-medium-expert

  • Размер загрузки : 262.73 MiB

  • Размер набора данных : 929.71 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 2410
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v0-смешанный

  • Размер загрузки : 104.63 MiB

  • Размер набора данных : 464.93 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1320
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v0-random

  • Размер загрузки : 139.50 MiB

  • Размер набора данных : 464.97 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1377
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v1-эксперт

  • Размер загрузки : 220.72 MiB

  • Размер набора данных : 968.63 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1033
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 111) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (8,) поплавок32
политика/last_fc/вес Тензор (8, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (8,) поплавок32
политика/last_fc_log_std/вес Тензор (8, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (15,) поплавок32
шаги/информация/qvel Тензор (14,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v1-medium

  • Размер загрузки : 222.39 MiB

  • Размер набора данных : 1023.71 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1179
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 111) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (8,) поплавок32
политика/last_fc/вес Тензор (8, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (8,) поплавок32
политика/last_fc_log_std/вес Тензор (8, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (15,) поплавок32
шаги/информация/qvel Тензор (14,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v1-medium-expert

  • Размер загрузки : 442.25 MiB

  • Размер набора данных : 1.13 GiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 2211
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (15,) поплавок32
шаги/информация/qvel Тензор (14,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v1-medium-replay

  • Размер загрузки : 132.05 MiB

  • Размер набора данных : 175.27 MiB

  • Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)

  • Расколы :

Расколоть Примеры
'train' 485
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float64),
        'reward': float64,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (8,) float64
шаги/скидка Тензор float64
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) float64
шаги/награда Тензор float64

d4rl_mujoco_ant/v1-full-replay

  • Размер загрузки : 437.57 MiB

  • Размер набора данных : 580.09 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1319
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float64),
        'reward': float64,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (8,) float64
шаги/скидка Тензор float64
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) float64
шаги/награда Тензор float64

d4rl_mujoco_ant/v1-random

  • Размер загрузки : 225.18 MiB

  • Размер набора данных : 583.83 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 5,741
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (15,) поплавок32
шаги/информация/qvel Тензор (14,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v2-эксперт

  • Размер загрузки : 355.94 MiB

  • Размер набора данных : 969.38 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1035
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 111) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (8,) поплавок32
политика/last_fc/вес Тензор (8, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (8,) поплавок32
политика/last_fc_log_std/вес Тензор (8, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v2-full-replay

  • Размер загрузки : 428.57 MiB

  • Размер набора данных : 580.09 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1319
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v2-средний

  • Размер загрузки : 358.81 MiB

  • Размер набора данных : 1.01 GiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1203
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 111) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (8,) поплавок32
политика/last_fc/вес Тензор (8, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (8,) поплавок32
политика/last_fc_log_std/вес Тензор (8, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v2-средний-эксперт

  • Размер загрузки : 713.67 MiB

  • Размер набора данных : 1.13 GiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 2237
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v2-medium-replay

  • Размер загрузки : 130.16 MiB

  • Размер набора данных : 175.27 MiB

  • Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)

  • Расколы :

Расколоть Примеры
'train' 485
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_ant/v2-random

  • Размер загрузки : 366.66 MiB

  • Размер набора данных : 583.90 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 5,822
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (8,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (15,) float64
шаги/информация/qvel Тензор (14,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (111,) поплавок32
шаги/награда Тензор поплавок32