d4rl_mujoco_hopper

  • 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_hopper/v0-expert (конфигурация по умолчанию)

  • Размер загрузки : 51.56 MiB

  • Размер набора данных : 64.10 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 1029
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v0-medium

  • Размер загрузки : 51.74 MiB

  • Размер набора данных : 64.68 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 3064
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v0-medium-expert

  • Размер загрузки : 62.01 MiB

  • Размер набора данных : 77.25 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 2277
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v0-смешанный

  • Размер загрузки : 10.48 MiB

  • Размер набора данных : 13.15 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 1250
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v0-random

  • Размер загрузки : 51.83 MiB

  • Размер набора данных : 66.06 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 8,793
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v1-expert

  • Размер загрузки : 93.19 MiB

  • Размер набора данных : 608.03 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1836
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 11) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (3,) поплавок32
политика/last_fc/вес Тензор (3, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (3,) поплавок32
политика/last_fc_log_std/вес Тензор (3, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (6,) поплавок32
шаги/информация/qvel Тензор (6,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v1-medium

  • Размер загрузки : 92.03 MiB

  • Размер набора данных : 1.78 GiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 6,328
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 11) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (3,) поплавок32
политика/last_fc/вес Тензор (3, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (3,) поплавок32
политика/last_fc_log_std/вес Тензор (3, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (6,) поплавок32
шаги/информация/qvel Тензор (6,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v1-medium-expert

  • Размер загрузки : 184.59 MiB

  • Размер набора данных : 230.24 MiB

  • Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)

  • Расколы :

Расколоть Примеры
'train' 8,163
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (6,) поплавок32
шаги/информация/qvel Тензор (6,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v1-medium-replay

  • Размер загрузки : 55.65 MiB

  • Размер набора данных : 34.78 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 1151
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float64),
        'reward': float64,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (3,) float64
шаги/скидка Тензор float64
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) float64
шаги/награда Тензор float64

d4rl_mujoco_hopper/v1-full-replay

  • Размер загрузки : 183.32 MiB

  • Размер набора данных : 114.78 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 2907
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float64),
        'reward': float64,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (3,) float64
шаги/скидка Тензор float64
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) float64
шаги/награда Тензор float64

d4rl_mujoco_hopper/v1-random

  • Размер загрузки : 91.11 MiB

  • Размер набора данных : 130.73 MiB

  • Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)

  • Расколы :

Расколоть Примеры
'train' 45 265
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор поплавок32
шаги/информация/qpos Тензор (6,) поплавок32
шаги/информация/qvel Тензор (6,) поплавок32
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v2-эксперт

  • Размер загрузки : 145.37 MiB

  • Размер набора данных : 390.40 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 1028
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 11) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (3,) поплавок32
политика/last_fc/вес Тензор (3, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (3,) поплавок32
политика/last_fc_log_std/вес Тензор (3, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v2-full-replay

  • Размер загрузки : 179.29 MiB

  • Размер набора данных : 115.04 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 3515
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v2-средний

  • Размер загрузки : 145.68 MiB

  • Размер набора данных : 702.57 MiB

  • Автокэширование ( документация ): Нет

  • Расколы :

Расколоть Примеры
'train' 2187
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
политика ВозможностиDict
политика/fc0 ВозможностиDict
политика/fc0/предвзятость Тензор (256,) поплавок32
политика/fc0/вес Тензор (256, 11) поплавок32
политика/FC1 ВозможностиDict
политика/fc1/предвзятость Тензор (256,) поплавок32
политика/fc1/вес Тензор (256, 256) поплавок32
политика/last_fc ВозможностиDict
политика/last_fc/bias Тензор (3,) поплавок32
политика/last_fc/вес Тензор (3, 256) поплавок32
политика/last_fc_log_std ВозможностиDict
политика/last_fc_log_std/bias Тензор (3,) поплавок32
политика/last_fc_log_std/вес Тензор (3, 256) поплавок32
политика/нелинейность Тензор нить
политика/выходное_распределение Тензор нить
шаги Набор данных
шаги/действия Тензор (3,) float32
шаги/скидка Тензор float32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) float32
шаги/награда Тензор float32

d4rl_mujoco_hopper/v2-medium-expert

  • Размер загрузки : 290.43 MiB

  • Размер набора данных : 228.28 MiB

  • Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)

  • Расколы :

Расколоть Примеры
'train' 3214
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор поплавок32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v2-medium-replay

  • Размер загрузки : 72.34 MiB

  • Размер набора данных : 46.51 MiB

  • Автокэширование ( документация ): Да

  • Расколы :

Расколоть Примеры
'train' 2041
  • Структура функции :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
алгоритм Тензор нить
итерация Тензор int32
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор float32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор поплавок32

d4rl_mujoco_hopper/v2-random

  • Размер загрузки : 145.46 MiB

  • Размер набора данных : 130.72 MiB

  • Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)

  • Расколы :

Расколоть Примеры
'train' 45 240
  • Структура функции :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • Функциональная документация :
Особенность Сорт Форма Дтип Описание
ВозможностиDict
шаги Набор данных
шаги/действия Тензор (3,) поплавок32
шаги/скидка Тензор float32
шаги/информация ВозможностиDict
шаги/информация/action_log_probs Тензор float64
шаги/информация/qpos Тензор (6,) float64
шаги/информация/qvel Тензор (6,) float64
шаги/is_first Тензор логическое значение
шаги/is_last Тензор логическое значение
шаги/is_terminal Тензор логическое значение
шаги/наблюдение Тензор (11,) поплавок32
шаги/награда Тензор float32