d4rl_mujoco_ant,d4rl_mujoco_ant

• Tanım :

D4RL, çevrimdışı takviyeli öğrenim için açık kaynaklı bir kıyaslamadır. Eğitim ve kıyaslama algoritmaları için standartlaştırılmış ortamlar ve veri kümeleri sağlar.

Veri kümeleri, adımları ve bölümleri temsil etmek için RLDS formatını takip eder.

• Yapılandırma açıklaması : https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym adresinde görev ve sürümleri hakkında daha fazla ayrıntıya bakın

• Ana sayfa : https://sites.google.com/view/d4rl-anonymous

• Kaynak kodu : tfds.d4rl.d4rl_mujoco_ant.D4rlMujocoAnt

• Sürümler :

  • 1.0.0 : İlk sürüm.
  • 1.1.0 : is_last eklendi.
  • 1.2.0 (varsayılan): Bir sonraki gözlemi dikkate alacak şekilde güncellendi.

• Denetlenen anahtarlar ( as_supervised belgesine bakın): None

• Şekil ( tfds.show_examples ): Desteklenmiyor.

• Alıntı :

@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 (varsayılan yapılandırma)

• İndirme boyutu : 131.34 MiB

• Veri kümesi boyutu : 464.94 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-medium

• İndirme boyutu : 131.39 MiB

• Veri kümesi boyutu : 464.78 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-medium-expert

• İndirme boyutu : 262.73 MiB

• Veri kümesi boyutu : 929.71 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-mixed

• İndirme boyutu : 104.63 MiB

• Veri kümesi boyutu : 464.93 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-random

• İndirme boyutu : 139.50 MiB

• Veri kümesi boyutu : 464.97 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-expert

• İndirme boyutu : 220.72 MiB

• Veri kümesi boyutu : 968.63 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-medium

• İndirme boyutu : 222.39 MiB

• Veri kümesi boyutu : 1023.71 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-medium-expert

• İndirme boyutu : 442.25 MiB

• Veri kümesi boyutu : 1.13 GiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-medium-tekrar oynatma

• İndirme boyutu : 132.05 MiB

• Veri kümesi boyutu : 175.27 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Yalnızca shuffle_files=False (train) olduğunda

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-tam-tekrar oynatma

• İndirme boyutu : 437.57 MiB

• Veri kümesi boyutu : 580.09 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-random

• İndirme boyutu : 225.18 MiB

• Veri kümesi boyutu : 583.83 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-expert

• İndirme boyutu : 355.94 MiB

• Veri kümesi boyutu : 969.38 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-tam-tekrar oynatma

• İndirme boyutu : 428.57 MiB

• Veri kümesi boyutu : 580.09 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-medium

• İndirme boyutu : 358.81 MiB

• Veri kümesi boyutu : 1.01 GiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-medium-expert

• İndirme boyutu : 713.67 MiB

• Veri kümesi boyutu : 1.13 GiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-medium-tekrar oynatma

• İndirme boyutu : 130.16 MiB

• Veri kümesi boyutu : 175.27 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Yalnızca shuffle_files=False (train) olduğunda

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-random

• İndirme boyutu : 366.66 MiB

• Veri kümesi boyutu : 583.90 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölünmeler :

• Özellik yapısı :

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,
    }),
})

• Özellik belgeleri :

• Örnekler ( tfds.as_dataframe ):