- 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.
Описание конфигурации : более подробную информацию о задаче и ее версиях см. на странице https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym.
Домашняя страница : https://sites.google.com/view/d4rl-anonymous
Исходный код :
tfds.d4rl.d4rl_mujoco_ant.D4rlMujocoAnt
Версии :
-
1.0.0
: Начальная версия. -
1.1.0
: Добавлен is_last. -
1.2.0
(по умолчанию): обновлено с учетом следующего наблюдения.
-
Контролируемые ключи (см. документ
as_supervised
):None
Рисунок ( tfds.show_examples ): не поддерживается.
Цитата :
@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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):