d4rl_mujoco_halfcheetah

  • شرح :

D4RL یک معیار منبع باز برای یادگیری تقویتی آفلاین است. این محیط ها و مجموعه داده های استاندارد شده را برای آموزش و الگوریتم های محک ارائه می کند.

مجموعه داده ها از فرمت RLDS پیروی می کنند تا مراحل و قسمت ها را نشان دهند.

@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 (پیکربندی پیش فرض)

  • حجم دانلود : 83.44 MiB

  • حجم مجموعه داده : 98.43 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 1002
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v0-medium

  • حجم دانلود : 82.92 MiB

  • حجم مجموعه داده : 98.43 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 1002
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v0-medium-expert

  • حجم دانلود : 166.36 MiB

  • حجم مجموعه داده : 196.86 MiB

  • ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

  • تقسیم ها :

شکاف مثال ها
'train' 2004
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v0-mixed

  • حجم دانلود : 8.60 MiB

  • حجم مجموعه داده : 9.94 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 101
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v0-random

  • حجم دانلود : 84.79 MiB

  • حجم مجموعه داده : 98.43 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 1002
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v1-expert

  • حجم دانلود : 146.94 MiB

  • حجم مجموعه داده : 451.88 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
خط مشی FeaturesDict
Policy/fc0 FeaturesDict
Policy/fc0/bias تانسور (256،) float32
سیاست/fc0/وزن تانسور (256، 17) float32
Policy/fc1 FeaturesDict
Policy/fc1/bias تانسور (256،) float32
سیاست/fc1/وزن تانسور (256، 256) float32
Policy/last_fc FeaturesDict
Policy/last_fc/bias تانسور (6،) float32
Policy/last_fc/weight تانسور (6، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (6،) float32
Policy/last_fc_log_std/weight تانسور (6، 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (9،) float32
Steps/infos/qvel تانسور (9،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v1-medium

  • حجم دانلود : 146.65 MiB

  • حجم مجموعه داده : 451.88 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
خط مشی FeaturesDict
Policy/fc0 FeaturesDict
Policy/fc0/bias تانسور (256،) float32
سیاست/fc0/وزن تانسور (256، 17) float32
Policy/fc1 FeaturesDict
Policy/fc1/bias تانسور (256،) float32
سیاست/fc1/وزن تانسور (256، 256) float32
Policy/last_fc FeaturesDict
Policy/last_fc/bias تانسور (6،) float32
Policy/last_fc/weight تانسور (6، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (6،) float32
Policy/last_fc_log_std/weight تانسور (6, 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (9،) float32
Steps/infos/qvel تانسور (9،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v1-medium-expert

  • حجم دانلود : 293.00 MiB

  • حجم مجموعه داده : 342.37 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 2000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (9،) float32
Steps/infos/qvel تانسور (9،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v1-replay-replay

  • حجم دانلود : 57.68 MiB

  • حجم مجموعه داده : 34.59 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیمات :

شکاف مثال ها
'train' 202
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float64
مراحل/تخفیف تانسور float64
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float64
مراحل/پاداش تانسور float64

d4rl_mujoco_halfcheetah/v1-full-replay

  • حجم دانلود : 285.01 MiB

  • حجم مجموعه داده : 171.22 MiB

  • ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

  • تقسیمات :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float64
مراحل/تخفیف تانسور float64
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float64
مراحل/پاداش تانسور float64

d4rl_mujoco_halfcheetah/v1-random

  • حجم دانلود : 145.19 MiB

  • حجم مجموعه داده : 171.18 MiB

  • ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

  • تقسیمات :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (9،) float32
Steps/infos/qvel تانسور (9،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v2-expert

  • حجم دانلود : 226.46 MiB

  • حجم مجموعه داده : 451.88 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
خط مشی FeaturesDict
Policy/fc0 FeaturesDict
Policy/fc0/bias تانسور (256،) float32
سیاست/fc0/وزن تانسور (256، 17) float32
Policy/fc1 FeaturesDict
Policy/fc1/bias تانسور (256،) float32
سیاست/fc1/وزن تانسور (256، 256) float32
Policy/last_fc FeaturesDict
Policy/last_fc/bias تانسور (6،) float32
Policy/last_fc/weight تانسور (6، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (6،) float32
Policy/last_fc_log_std/weight تانسور (6، 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v2-full-replay

  • حجم دانلود : 277.88 MiB

  • حجم مجموعه داده : 171.22 MiB

  • ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

  • تقسیم ها :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v2-medium

  • حجم دانلود : 226.71 MiB

  • حجم مجموعه داده : 451.88 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
خط مشی FeaturesDict
Policy/fc0 FeaturesDict
Policy/fc0/bias تانسور (256،) float32
سیاست/fc0/وزن تانسور (256، 17) float32
Policy/fc1 FeaturesDict
Policy/fc1/bias تانسور (256،) float32
سیاست/fc1/وزن تانسور (256، 256) float32
Policy/last_fc FeaturesDict
Policy/last_fc/bias تانسور (6،) float32
Policy/last_fc/weight تانسور (6، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (6،) float32
Policy/last_fc_log_std/weight تانسور (6، 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v2-medium-expert

  • حجم دانلود : 452.58 MiB

  • حجم مجموعه داده : 342.37 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 2000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v2-replay-medium

  • حجم دانلود : 56.69 MiB

  • حجم مجموعه داده : 34.59 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 202
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
الگوریتم تانسور رشته
تکرار تانسور int32
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_halfcheetah/v2-random

  • حجم دانلود : 226.34 MiB

  • حجم مجموعه داده : 171.18 MiB

  • ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

  • تقسیم ها :

شکاف مثال ها
'train' 1000
  • ساختار ویژگی :
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,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (6،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (9،) float64
Steps/infos/qvel تانسور (9،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (17،) float32
مراحل/پاداش تانسور float32