- 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 конфига : подробнее о задаче и ее версиях смотрите на https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym .
Домашняя страница : https://sites.google.com/view/d4rl/home
Исходный код :
tfds.d4rl.d4rl_mujoco_halfcheetah.D4rlMujocoHalfcheetah
Версии :
-
1.0.0
: Первоначальный выпуск. -
1.0.1
: поддержка метаданных эпизодов и шагов, а также унификация формы вознаграждения во всех конфигурациях. -
1.1.0
: Добавлен is_last. -
1.2.0
(по умолчанию): обновлено с учетом следующего замечания.
-
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_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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):
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 |
- Примеры ( tfds.as_dataframe ):