d4rl_mujoco_halfcheetah

  • 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_halfcheetah/v0-expert (конфигурация по умолчанию)

  • Размер загрузки : 83.44 MiB

  • Размер набора данных : 98.43 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 1002
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v0-средний

  • Размер загрузки : 82.92 MiB .

  • Размер набора данных : 98.43 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 1002
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v0-средний эксперт

  • Размер загрузки : 166.36 MiB

  • Размер набора данных : 196.86 MiB .

  • Автокэширование ( документация ): только когда shuffle_files=False (поезд)

  • Сплиты :

Расколоть Примеры
'train' 2004
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v0-смешанный

  • Размер загрузки : 8.60 MiB

  • Размер набора данных : 9.94 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 101
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v0-случайный

  • Размер загрузки : 84.79 MiB .

  • Размер набора данных : 98.43 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 1002
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v1-эксперт

  • Размер загрузки : 146.94 MiB .

  • Размер набора данных : 451.88 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 17) 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 (6,) поплавок32
политика/last_fc/вес Тензор (6, 256) поплавок32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (6,) поплавок32
политика/last_fc_log_std/вес Тензор (6, 256) поплавок32
политика/нелинейность Тензор нить
политика/output_distribution Тензор нить
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (9,) поплавок32
шаги/информация/qvel Тензор (9,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v1-средний

  • Размер загрузки : 146.65 MiB

  • Размер набора данных : 451.88 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 17) 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 (6,) поплавок32
политика/last_fc/вес Тензор (6, 256) поплавок32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (6,) поплавок32
политика/last_fc_log_std/вес Тензор (6, 256) поплавок32
политика/нелинейность Тензор нить
политика/output_distribution Тензор нить
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (9,) поплавок32
шаги/информация/qvel Тензор (9,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v1-средний эксперт

  • Размер загрузки : 293.00 MiB

  • Размер набора данных : 342.37 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 2000
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (9,) поплавок32
шаги/информация/qvel Тензор (9,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v1-средний повтор

  • Размер загрузки : 57.68 MiB

  • Размер набора данных : 34.59 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 202
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действие Тензор (6,) поплавок64
шаги/скидка Тензор поплавок64
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок64
шаги/награда Тензор поплавок64

d4rl_mujoco_halfcheetah/v1-полный повтор

  • Размер загрузки : 285.01 MiB

  • Размер набора данных : 171.22 MiB .

  • Автокэширование ( документация ): только когда shuffle_files=False (поезд)

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float64),
        'reward': float64,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действие Тензор (6,) поплавок64
шаги/скидка Тензор поплавок64
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок64
шаги/награда Тензор поплавок64

d4rl_mujoco_halfcheetah/v1-случайный

  • Размер загрузки : 145.19 MiB

  • Размер набора данных : 171.18 MiB .

  • Автокэширование ( документация ): только когда shuffle_files=False (поезд)

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (9,) поплавок32
шаги/информация/qvel Тензор (9,) поплавок32
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v2-эксперт

  • Размер загрузки : 226.46 MiB

  • Размер набора данных : 451.88 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 17) 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 (6,) поплавок32
политика/last_fc/вес Тензор (6, 256) поплавок32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (6,) поплавок32
политика/last_fc_log_std/вес Тензор (6, 256) поплавок32
политика/нелинейность Тензор нить
политика/output_distribution Тензор нить
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v2-полный повтор

  • Размер загрузки : 277.88 MiB

  • Размер набора данных : 171.22 MiB .

  • Автокэширование ( документация ): только когда shuffle_files=False (поезд)

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v2-средний

  • Размер загрузки : 226.71 MiB

  • Размер набора данных : 451.88 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 17) 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 (6,) поплавок32
политика/last_fc/вес Тензор (6, 256) поплавок32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (6,) поплавок32
политика/last_fc_log_std/вес Тензор (6, 256) поплавок32
политика/нелинейность Тензор нить
политика/output_distribution Тензор нить
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v2-средний эксперт

  • Размер загрузки : 452.58 MiB

  • Размер набора данных : 342.37 MiB .

  • Автоматическое кэширование ( документация ): Нет

  • Сплиты :

Расколоть Примеры
'train' 2000
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v2-средний повтор

  • Размер загрузки : 56.69 MiB

  • Размер набора данных : 34.59 MiB .

  • Автоматическое кэширование ( документация ): Да

  • Сплиты :

Расколоть Примеры
'train' 202
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_halfcheetah/v2-случайный

  • Размер загрузки : 226.34 MiB

  • Размер набора данных : 171.18 MiB .

  • Автокэширование ( документация ): только когда shuffle_files=False (поезд)

  • Сплиты :

Расколоть Примеры
'train' 1000
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (6,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор поплавок64
шаги/информация/qpos Тензор (9,) поплавок64
шаги/информация/qvel Тензор (9,) поплавок64
шаги / is_first Тензор логический
шаги/is_last Тензор логический
шаги/is_terminal Тензор логический
шаги/наблюдение Тензор (17,) поплавок32
шаги/награда Тензор поплавок32