TFDS ora supporta il formato Croissant 🥐 ! Leggi la documentazione per saperne di più.

Questa pagina è stata tradotta dall'API Cloud Translation.

d4rl_adroit_door

Descrizione :

D4RL è un punto di riferimento open source per l'apprendimento per rinforzo offline. Fornisce ambienti e set di dati standardizzati per algoritmi di training e benchmarking.

I set di dati seguono il formato RLDS per rappresentare passaggi ed episodi.

Descrizione della configurazione : vedere maggiori dettagli sull'attività e le sue versioni in https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
Pagina iniziale : https://sites.google.com/view/d4rl-anonymous
Codice sorgente : tfds.d4rl.d4rl_adroit_door.D4rlAdroitDoor
Versioni :
- 1.0.0 : versione iniziale.
- 1.1.0 (predefinito): aggiunto is_last.
Chiavi supervisionate (vedi il documento as_supervised ): None
Figura ( tfds.show_examples ): non supportato.
Citazione :

@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_adroit_door/v0-human (configurazione predefinita)

Dimensione download : 2.97 MiB
Dimensione del set di dati : 3.36 MiB
Memorizzazione nella cache automatica ( documentazione ): sì
Divide :

Diviso	Esempi
`'train'`	50

Struttura delle caratteristiche :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D
	CaratteristicheDict
passi	Set di dati
passi/azione	Tensore	(28,)	float32
passi/sconto	Tensore		float32
passaggi/informazioni	CaratteristicheDict
passi/informazioni/qpos	Tensore	(30,)	float32
passaggi/informazioni/qvel	Tensore	(30,)	float32
passi/è_primo	Tensore		bool
passi/è_ultimo	Tensore		bool
passi/è_terminale	Tensore		bool
passi/osservazione	Tensore	(39,)	float32
passi/ricompensa	Tensore		float32

Esempi ( tfds.as_dataframe ):

d4rl_adroit_door/v0-cloned

Dimensione download : 602.42 MiB
Dimensione del set di dati : 497.47 MiB
Memorizzazione nella cache automatica ( documentazione ): No
Divide :

Diviso	Esempi
`'train'`	6.214

Struttura delle caratteristiche :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(30,), dtype=float64),
            'qvel': Tensor(shape=(30,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float64),
        'reward': float64,
    }),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D
	CaratteristicheDict
passi	Set di dati
passi/azione	Tensore	(28,)	float32
passi/sconto	Tensore		float64
passaggi/informazioni	CaratteristicheDict
passi/informazioni/qpos	Tensore	(30,)	float64
passaggi/informazioni/qvel	Tensore	(30,)	float64
passi/è_primo	Tensore		bool
passi/è_ultimo	Tensore		bool
passi/è_terminale	Tensore		bool
passi/osservazione	Tensore	(39,)	float64
passi/ricompensa	Tensore		float64

Esempi ( tfds.as_dataframe ):

d4rl_adroit_door/v0-expert

Dimensione download : 511.05 MiB
Dimensione del set di dati : 710.30 MiB
Memorizzazione nella cache automatica ( documentazione ): No
Divide :

Diviso	Esempi
`'train'`	5.000

Struttura delle caratteristiche :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(28,), dtype=float32),
            'action_mean': Tensor(shape=(28,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D
	CaratteristicheDict
passi	Set di dati
passi/azione	Tensore	(28,)	float32
passi/sconto	Tensore		float32
passaggi/informazioni	CaratteristicheDict
passaggi/info/action_logstd	Tensore	(28,)	float32
passi/info/azione_mean	Tensore	(28,)	float32
passi/informazioni/qpos	Tensore	(30,)	float32
passaggi/informazioni/qvel	Tensore	(30,)	float32
passi/è_primo	Tensore		bool
passi/è_ultimo	Tensore		bool
passi/è_terminale	Tensore		bool
passi/osservazione	Tensore	(39,)	float32
passi/ricompensa	Tensore		float32

Esempi ( tfds.as_dataframe ):

d4rl_adroit_door/v1-human

Dimensione download : 2.98 MiB
Dimensione del set di dati : 3.42 MiB
Memorizzazione nella cache automatica ( documentazione ): sì
Divide :

Diviso	Esempi
`'train'`	25

Struttura delle caratteristiche :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D
	CaratteristicheDict
passi	Set di dati
passi/azione	Tensore	(28,)	float32
passi/sconto	Tensore		float32
passaggi/informazioni	CaratteristicheDict
passi/info/porta_corpo_pos	Tensore	(3,)	float32
passi/informazioni/qpos	Tensore	(30,)	float32
passaggi/informazioni/qvel	Tensore	(30,)	float32
passi/è_primo	Tensore		bool
passi/è_ultimo	Tensore		bool
passi/è_terminale	Tensore		bool
passi/osservazione	Tensore	(39,)	float32
passi/ricompensa	Tensore		float32

Esempi ( tfds.as_dataframe ):

d4rl_adroit_door/v1-cloned

Dimensione download : 280.72 MiB
Dimensione del set di dati : 1.85 GiB
Memorizzazione nella cache automatica ( documentazione ): No
Divide :

Diviso	Esempi
`'train'`	4.358

Struttura delle caratteristiche :

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(39, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=float32),
            'weight': Tensor(shape=(256, 28), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D
	CaratteristicheDict
algoritmo	Tensore		corda
politica	CaratteristicheDict
polizza/fc0	CaratteristicheDict
policy/fc0/bias	Tensore	(256,)	float32
politica/fc0/peso	Tensore	(39, 256)	float32
politica/fc1	CaratteristicheDict
policy/fc1/bias	Tensore	(256,)	float32
politica/fc1/peso	Tensore	(256, 256)	float32
politica/last_fc	CaratteristicheDict
policy/last_fc/bias	Tensore	(28,)	float32
politica/last_fc/peso	Tensore	(256, 28)	float32
politica/non linearità	Tensore		corda
politica/distribuzione_output	Tensore		corda
passi	Set di dati
passi/azione	Tensore	(28,)	float32
passi/sconto	Tensore		float32
passaggi/informazioni	CaratteristicheDict
passi/info/porta_corpo_pos	Tensore	(3,)	float32
passi/informazioni/qpos	Tensore	(30,)	float32
passaggi/informazioni/qvel	Tensore	(30,)	float32
passi/è_primo	Tensore		bool
passi/è_ultimo	Tensore		bool
passi/è_terminale	Tensore		bool
passi/osservazione	Tensore	(39,)	float32
passi/ricompensa	Tensore		float32

Esempi ( tfds.as_dataframe ):

d4rl_adroit_door/v1-expert

Dimensione download : 511.22 MiB
Dimensione del set di dati : 803.48 MiB
Memorizzazione nella cache automatica ( documentazione ): No
Divide :

Diviso	Esempi
`'train'`	5.000

Struttura delle caratteristiche :

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 39), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 32), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=float32),
            'weight': Tensor(shape=(28, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(28,), dtype=float32),
            'weight': Tensor(shape=(28, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(28,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(28,), dtype=float32),
            'action_mean': Tensor(shape=(28,), dtype=float32),
            'door_body_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(30,), dtype=float32),
            'qvel': Tensor(shape=(30,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(39,), dtype=float32),
        'reward': float32,
    }),
})

Documentazione delle funzionalità :

Caratteristica	Classe	Forma	Tipo D
	CaratteristicheDict
algoritmo	Tensore		corda
politica	CaratteristicheDict
polizza/fc0	CaratteristicheDict
policy/fc0/bias	Tensore	(32,)	float32
politica/fc0/peso	Tensore	(32, 39)	float32
politica/fc1	CaratteristicheDict
policy/fc1/bias	Tensore	(32,)	float32
politica/fc1/peso	Tensore	(32, 32)	float32
politica/last_fc	CaratteristicheDict
policy/last_fc/bias	Tensore	(28,)	float32
politica/last_fc/peso	Tensore	(28, 32)	float32
policy/last_fc_log_std	CaratteristicheDict
policy/last_fc_log_std/bias	Tensore	(28,)	float32
policy/last_fc_log_std/weight	Tensore	(28, 32)	float32
politica/non linearità	Tensore		corda
politica/distribuzione_output	Tensore		corda
passi	Set di dati
passi/azione	Tensore	(28,)	float32
passi/sconto	Tensore		float32
passaggi/informazioni	CaratteristicheDict
passaggi/info/action_log_std	Tensore	(28,)	float32
passi/info/azione_mean	Tensore	(28,)	float32
passi/info/porta_corpo_pos	Tensore	(3,)	float32
passi/informazioni/qpos	Tensore	(30,)	float32
passaggi/informazioni/qvel	Tensore	(30,)	float32
passi/è_primo	Tensore		bool
passi/è_ultimo	Tensore		bool
passi/è_terminale	Tensore		bool
passi/osservazione	Tensore	(39,)	float32
passi/ricompensa	Tensore		float32

Esempi ( tfds.as_dataframe ):