- 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 : см. более подробную информацию о задаче и ее версиях в https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit .
Домашняя страница : https://sites.google.com/view/d4rl/home
Исходный код :
tfds.d4rl.d4rl_adroit_door.D4rlAdroitDoor
Версии :
-
1.0.0
: Первоначальный выпуск. -
1.1.0
(по умолчанию): добавлен is_last.
-
Ключи под наблюдением (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_adroit_door/v0-human (конфигурация по умолчанию)
Размер загрузки :
2.97 MiB
Размер набора данных :
3.36 MiB
.Автоматическое кэширование ( документация ): Да
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 50 |
- Структура функции :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(28,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'qpos': Tensor(shape=(30,), dtype=float32),
'qvel': Tensor(shape=(30,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
шаги | Набор данных | |||
шаги/действие | Тензор | (28,) | поплавок32 | |
шаги/скидка | Тензор | поплавок32 | ||
шаги/информация | ОсобенностиDict | |||
шаги/информация/qpos | Тензор | (30,) | поплавок32 | |
шаги/информация/qvel | Тензор | (30,) | поплавок32 | |
шаги / is_first | Тензор | логический | ||
шаги/is_last | Тензор | логический | ||
шаги/is_terminal | Тензор | логический | ||
шаги/наблюдение | Тензор | (39,) | поплавок32 | |
шаги/награда | Тензор | поплавок32 |
- Примеры ( tfds.as_dataframe ):
d4rl_adroit_door/v0-клон
Размер загрузки :
602.42 MiB
Размер набора данных :
497.47 MiB
.Автоматическое кэширование ( документация ): Нет
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 6214 |
- Структура функции :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(28,), dtype=float32),
'discount': float64,
'infos': FeaturesDict({
'qpos': Tensor(shape=(30,), dtype=float64),
'qvel': Tensor(shape=(30,), dtype=float64),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float64),
'reward': float64,
}),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
шаги | Набор данных | |||
шаги/действие | Тензор | (28,) | поплавок32 | |
шаги/скидка | Тензор | поплавок64 | ||
шаги/информация | ОсобенностиDict | |||
шаги/информация/qpos | Тензор | (30,) | поплавок64 | |
шаги/информация/qvel | Тензор | (30,) | поплавок64 | |
шаги / is_first | Тензор | логический | ||
шаги/is_last | Тензор | логический | ||
шаги/is_terminal | Тензор | логический | ||
шаги/наблюдение | Тензор | (39,) | поплавок64 | |
шаги/награда | Тензор | поплавок64 |
- Примеры ( tfds.as_dataframe ):
d4rl_adroit_door/v0-эксперт
Размер загрузки :
511.05 MiB
Размер набора данных :
710.30 MiB
.Автоматическое кэширование ( документация ): Нет
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 5000 |
- Структура функции :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(28,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'action_logstd': Tensor(shape=(28,), dtype=float32),
'action_mean': Tensor(shape=(28,), dtype=float32),
'qpos': Tensor(shape=(30,), dtype=float32),
'qvel': Tensor(shape=(30,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
шаги | Набор данных | |||
шаги/действие | Тензор | (28,) | поплавок32 | |
шаги/скидка | Тензор | поплавок32 | ||
шаги/информация | ОсобенностиDict | |||
шаги/информация/action_logstd | Тензор | (28,) | поплавок32 | |
шаги/информация/action_mean | Тензор | (28,) | поплавок32 | |
шаги/информация/qpos | Тензор | (30,) | поплавок32 | |
шаги/информация/qvel | Тензор | (30,) | поплавок32 | |
шаги / is_first | Тензор | логический | ||
шаги/is_last | Тензор | логический | ||
шаги/is_terminal | Тензор | логический | ||
шаги/наблюдение | Тензор | (39,) | поплавок32 | |
шаги/награда | Тензор | поплавок32 |
- Примеры ( tfds.as_dataframe ):
d4rl_adroit_door/v1-человек
Размер загрузки :
2.98 MiB
Размер набора данных :
3.42 MiB
.Автоматическое кэширование ( документация ): Да
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 25 |
- Структура функции :
FeaturesDict({
'steps': Dataset({
'action': Tensor(shape=(28,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'door_body_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(30,), dtype=float32),
'qvel': Tensor(shape=(30,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
шаги | Набор данных | |||
шаги/действие | Тензор | (28,) | поплавок32 | |
шаги/скидка | Тензор | поплавок32 | ||
шаги/информация | ОсобенностиDict | |||
шаги/информация/door_body_pos | Тензор | (3,) | поплавок32 | |
шаги/информация/qpos | Тензор | (30,) | поплавок32 | |
шаги/информация/qvel | Тензор | (30,) | поплавок32 | |
шаги / is_first | Тензор | логический | ||
шаги/is_last | Тензор | логический | ||
шаги/is_terminal | Тензор | логический | ||
шаги/наблюдение | Тензор | (39,) | поплавок32 | |
шаги/награда | Тензор | поплавок32 |
- Примеры ( tfds.as_dataframe ):
d4rl_adroit_door/v1-клон
Размер загрузки :
280.72 MiB
Размер набора данных :
1.85 GiB
Автоматическое кэширование ( документация ): Нет
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 4358 |
- Структура функции :
FeaturesDict({
'algorithm': string,
'policy': FeaturesDict({
'fc0': FeaturesDict({
'bias': Tensor(shape=(256,), dtype=float32),
'weight': Tensor(shape=(39, 256), dtype=float32),
}),
'fc1': FeaturesDict({
'bias': Tensor(shape=(256,), dtype=float32),
'weight': Tensor(shape=(256, 256), dtype=float32),
}),
'last_fc': FeaturesDict({
'bias': Tensor(shape=(28,), dtype=float32),
'weight': Tensor(shape=(256, 28), dtype=float32),
}),
'nonlinearity': string,
'output_distribution': string,
}),
'steps': Dataset({
'action': Tensor(shape=(28,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'door_body_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(30,), dtype=float32),
'qvel': Tensor(shape=(30,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
алгоритм | Тензор | нить | ||
политика | ОсобенностиDict | |||
политика/fc0 | ОсобенностиDict | |||
политика/fc0/bias | Тензор | (256,) | поплавок32 | |
политика/fc0/вес | Тензор | (39, 256) | поплавок32 | |
политика/fc1 | ОсобенностиDict | |||
политика/fc1/предвзятость | Тензор | (256,) | поплавок32 | |
политика/fc1/вес | Тензор | (256, 256) | поплавок32 | |
политика/last_fc | ОсобенностиDict | |||
политика/last_fc/bias | Тензор | (28,) | поплавок32 | |
политика/last_fc/вес | Тензор | (256, 28) | поплавок32 | |
политика/нелинейность | Тензор | нить | ||
политика/output_distribution | Тензор | нить | ||
шаги | Набор данных | |||
шаги/действие | Тензор | (28,) | поплавок32 | |
шаги/скидка | Тензор | поплавок32 | ||
шаги/информация | ОсобенностиDict | |||
шаги/информация/door_body_pos | Тензор | (3,) | поплавок32 | |
шаги/информация/qpos | Тензор | (30,) | поплавок32 | |
шаги/информация/qvel | Тензор | (30,) | поплавок32 | |
шаги / is_first | Тензор | логический | ||
шаги/is_last | Тензор | логический | ||
шаги/is_terminal | Тензор | логический | ||
шаги/наблюдение | Тензор | (39,) | поплавок32 | |
шаги/награда | Тензор | поплавок32 |
- Примеры ( tfds.as_dataframe ):
d4rl_adroit_door/v1-эксперт
Размер загрузки :
511.22 MiB
Размер набора данных :
803.48 MiB
.Автоматическое кэширование ( документация ): Нет
Сплиты :
Расколоть | Примеры |
---|---|
'train' | 5000 |
- Структура функции :
FeaturesDict({
'algorithm': string,
'policy': FeaturesDict({
'fc0': FeaturesDict({
'bias': Tensor(shape=(32,), dtype=float32),
'weight': Tensor(shape=(32, 39), dtype=float32),
}),
'fc1': FeaturesDict({
'bias': Tensor(shape=(32,), dtype=float32),
'weight': Tensor(shape=(32, 32), dtype=float32),
}),
'last_fc': FeaturesDict({
'bias': Tensor(shape=(28,), dtype=float32),
'weight': Tensor(shape=(28, 32), dtype=float32),
}),
'last_fc_log_std': FeaturesDict({
'bias': Tensor(shape=(28,), dtype=float32),
'weight': Tensor(shape=(28, 32), dtype=float32),
}),
'nonlinearity': string,
'output_distribution': string,
}),
'steps': Dataset({
'action': Tensor(shape=(28,), dtype=float32),
'discount': float32,
'infos': FeaturesDict({
'action_log_std': Tensor(shape=(28,), dtype=float32),
'action_mean': Tensor(shape=(28,), dtype=float32),
'door_body_pos': Tensor(shape=(3,), dtype=float32),
'qpos': Tensor(shape=(30,), dtype=float32),
'qvel': Tensor(shape=(30,), dtype=float32),
}),
'is_first': bool,
'is_last': bool,
'is_terminal': bool,
'observation': Tensor(shape=(39,), dtype=float32),
'reward': float32,
}),
})
- Документация по функциям :
Особенность | Учебный класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
алгоритм | Тензор | нить | ||
политика | ОсобенностиDict | |||
политика/fc0 | ОсобенностиDict | |||
политика/fc0/bias | Тензор | (32,) | поплавок32 | |
политика/fc0/вес | Тензор | (32, 39) | поплавок32 | |
политика/fc1 | ОсобенностиDict | |||
политика/fc1/предвзятость | Тензор | (32,) | поплавок32 | |
политика/fc1/вес | Тензор | (32, 32) | поплавок32 | |
политика/last_fc | ОсобенностиDict | |||
политика/last_fc/bias | Тензор | (28,) | поплавок32 | |
политика/last_fc/вес | Тензор | (28, 32) | поплавок32 | |
политика/last_fc_log_std | ОсобенностиDict | |||
политика/last_fc_log_std/bias | Тензор | (28,) | поплавок32 | |
политика/last_fc_log_std/вес | Тензор | (28, 32) | поплавок32 | |
политика/нелинейность | Тензор | нить | ||
политика/output_distribution | Тензор | нить | ||
шаги | Набор данных | |||
шаги/действие | Тензор | (28,) | поплавок32 | |
шаги/скидка | Тензор | поплавок32 | ||
шаги/информация | ОсобенностиDict | |||
шаги/информация/action_log_std | Тензор | (28,) | поплавок32 | |
шаги/информация/action_mean | Тензор | (28,) | поплавок32 | |
шаги/информация/door_body_pos | Тензор | (3,) | поплавок32 | |
шаги/информация/qpos | Тензор | (30,) | поплавок32 | |
шаги/информация/qvel | Тензор | (30,) | поплавок32 | |
шаги / is_first | Тензор | логический | ||
шаги/is_last | Тензор | логический | ||
шаги/is_terminal | Тензор | логический | ||
шаги/наблюдение | Тензор | (39,) | поплавок32 | |
шаги/награда | Тензор | поплавок32 |
- Примеры ( tfds.as_dataframe ):