- opis :
D4RL to test porównawczy typu open source do uczenia się ze wzmacnianiem w trybie offline. Zapewnia znormalizowane środowiska i zestawy danych do trenowania i testowania algorytmów.
Zestawy danych są zgodne z formatem RLDS, aby reprezentować kroki i epizody.
Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na
Opis konfiguracji : Zobacz więcej szczegółów na temat zadania i jego wersji w https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym
Strona główna : https://sites.google.com/view/d4rl/home
Kod źródłowy :
tfds.d4rl.d4rl_mujoco_ant.D4rlMujocoAnt
Wersje :
-
1.0.0
: Pierwsza wersja. -
1.1.0
: Dodano is_last. -
1.2.0
(domyślnie): Zaktualizowano, aby uwzględnić następną obserwację.
-
Klucze nadzorowane (Zobacz dokument
as_supervised
):None
Rysunek ( tfds.show_examples ): Nieobsługiwany.
Cytat :
@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 (domyślna konfiguracja)
Rozmiar pliku do pobrania :
131.34 MiB
Rozmiar zestawu danych :
464.94 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1288 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v0-medium
Rozmiar pliku do pobrania :
131.39 MiB
Rozmiar zestawu danych :
464.78 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1122 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v0-medium-expert
Rozmiar pliku do pobrania :
262.73 MiB
Rozmiar zbioru danych :
929.71 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 2410 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v0-mixed
Rozmiar pliku do pobrania :
104.63 MiB
Rozmiar zestawu danych :
464.93 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1320 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v0-random
Rozmiar pliku do pobrania :
139.50 MiB
Rozmiar zestawu danych :
464.97 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1377 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v1-expert
Rozmiar pliku do pobrania :
220.72 MiB
Rozmiar zbioru danych :
968.63 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1033 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
polityka | FunkcjeDict | |||
polityka/fc0 | FunkcjeDict | |||
polityka/fc0/bias | Napinacz | (256,) | pływak32 | |
polityka/fc0/waga | Napinacz | (256, 111) | pływak32 | |
polityka/fc1 | FunkcjeDict | |||
polityka/fc1/bias | Napinacz | (256,) | pływak32 | |
polityka/fc1/waga | Napinacz | (256, 256) | pływak32 | |
polityka/last_fc | FunkcjeDict | |||
polityka/last_fc/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc/waga | Napinacz | (8, 256) | pływak32 | |
polityka/last_fc_log_std | FunkcjeDict | |||
polityka/last_fc_log_std/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc_log_std/waga | Napinacz | (8, 256) | pływak32 | |
polityka/nieliniowość | Napinacz | strunowy | ||
polityka/dystrybucja_wyjściowa | Napinacz | strunowy | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak32 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v1-medium
Rozmiar pliku do pobrania :
222.39 MiB
Rozmiar zbioru danych :
1023.71 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1179 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
polityka | FunkcjeDict | |||
polityka/fc0 | FunkcjeDict | |||
polityka/fc0/bias | Napinacz | (256,) | pływak32 | |
polityka/fc0/waga | Napinacz | (256, 111) | pływak32 | |
polityka/fc1 | FunkcjeDict | |||
polityka/fc1/bias | Napinacz | (256,) | pływak32 | |
polityka/fc1/waga | Napinacz | (256, 256) | pływak32 | |
polityka/last_fc | FunkcjeDict | |||
polityka/last_fc/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc/waga | Napinacz | (8, 256) | pływak32 | |
polityka/last_fc_log_std | FunkcjeDict | |||
polityka/last_fc_log_std/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc_log_std/waga | Napinacz | (8, 256) | pływak32 | |
polityka/nieliniowość | Napinacz | strunowy | ||
polityka/dystrybucja_wyjściowa | Napinacz | strunowy | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak32 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v1-medium-expert
Rozmiar pliku do pobrania :
442.25 MiB
Rozmiar zestawu danych :
1.13 GiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 2211 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak32 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v1-medium-replay
Rozmiar pliku do pobrania :
132.05 MiB
Rozmiar zestawu danych :
175.27 MiB
Automatyczne buforowanie ( dokumentacja ): Tylko wtedy, gdy
shuffle_files=False
(pociąg)Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 485 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak64 | |
kroki/rabat | Napinacz | pływak64 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak64 | |
kroki/nagroda | Napinacz | pływak64 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v1-pełna powtórka
Rozmiar pliku do pobrania :
437.57 MiB
Rozmiar zestawu danych :
580.09 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1319 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak64 | |
kroki/rabat | Napinacz | pływak64 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak64 | |
kroki/nagroda | Napinacz | pływak64 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v1-random
Rozmiar pliku do pobrania :
225.18 MiB
Rozmiar zbioru danych :
583.83 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 5741 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak32 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak32 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak32 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v2-expert
Rozmiar pliku do pobrania :
355.94 MiB
Rozmiar zbioru danych :
969.38 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1035 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
polityka | FunkcjeDict | |||
polityka/fc0 | FunkcjeDict | |||
polityka/fc0/bias | Napinacz | (256,) | pływak32 | |
polityka/fc0/waga | Napinacz | (256, 111) | pływak32 | |
polityka/fc1 | FunkcjeDict | |||
polityka/fc1/bias | Napinacz | (256,) | pływak32 | |
polityka/fc1/waga | Napinacz | (256, 256) | pływak32 | |
polityka/last_fc | FunkcjeDict | |||
polityka/last_fc/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc/waga | Napinacz | (8, 256) | pływak32 | |
polityka/last_fc_log_std | FunkcjeDict | |||
polityka/last_fc_log_std/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc_log_std/waga | Napinacz | (8, 256) | pływak32 | |
polityka/nieliniowość | Napinacz | strunowy | ||
polityka/dystrybucja_wyjściowa | Napinacz | strunowy | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v2-pełna powtórka
Rozmiar pliku do pobrania :
428.57 MiB
Rozmiar zestawu danych :
580.09 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1319 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v2-medium
Rozmiar pliku do pobrania :
358.81 MiB
Rozmiar zestawu danych :
1.01 GiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 1203 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
polityka | FunkcjeDict | |||
polityka/fc0 | FunkcjeDict | |||
polityka/fc0/bias | Napinacz | (256,) | pływak32 | |
polityka/fc0/waga | Napinacz | (256, 111) | pływak32 | |
polityka/fc1 | FunkcjeDict | |||
polityka/fc1/bias | Napinacz | (256,) | pływak32 | |
polityka/fc1/waga | Napinacz | (256, 256) | pływak32 | |
polityka/last_fc | FunkcjeDict | |||
polityka/last_fc/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc/waga | Napinacz | (8, 256) | pływak32 | |
polityka/last_fc_log_std | FunkcjeDict | |||
polityka/last_fc_log_std/bias | Napinacz | (8,) | pływak32 | |
polityka/last_fc_log_std/waga | Napinacz | (8, 256) | pływak32 | |
polityka/nieliniowość | Napinacz | strunowy | ||
polityka/dystrybucja_wyjściowa | Napinacz | strunowy | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v2-medium-expert
Rozmiar pliku do pobrania :
713.67 MiB
Rozmiar zestawu danych :
1.13 GiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 2237 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v2-medium-replay
Rozmiar pliku do pobrania :
130.16 MiB
Rozmiar zestawu danych :
175.27 MiB
Automatyczne buforowanie ( dokumentacja ): Tylko wtedy, gdy
shuffle_files=False
(pociąg)Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 485 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
algorytm | Napinacz | strunowy | ||
iteracja | Napinacz | int32 | ||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):
d4rl_mujoco_ant/v2-random
Rozmiar pliku do pobrania :
366.66 MiB
Rozmiar zbioru danych :
583.90 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Rozdzielać | Przykłady |
---|---|
'train' | 5822 |
- Struktura funkcji :
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,
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształt | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
kroki | Zbiór danych | |||
kroki/działanie | Napinacz | (8,) | pływak32 | |
kroki/rabat | Napinacz | pływak32 | ||
kroki/informacje | FunkcjeDict | |||
kroki/informacje/action_log_probs | Napinacz | pływak64 | ||
kroki/informacje/qpos | Napinacz | (15,) | pływak64 | |
kroki/informacje/qvel | Napinacz | (14,) | pływak64 | |
kroki/jest_pierwszy | Napinacz | bool | ||
kroki/jest_ostatni | Napinacz | bool | ||
kroki/jest_terminalem | Napinacz | bool | ||
kroki/obserwacja | Napinacz | (111,) | pływak32 | |
kroki/nagroda | Napinacz | pływak32 |
- Przykłady ( tfds.as_dataframe ):