d4rl_adroit_hammer

• opis :

D4RL to test porównawczy typu open source do uczenia się ze wzmacnianiem w trybie offline. Zapewnia znormalizowane środowiska i zestawy danych do trenowania i testowania algorytmów.

Zestawy danych są zgodne z formatem RLDS, aby reprezentować kroki i epizody.

• Opis konfiguracji : Zobacz więcej szczegółów na temat zadania i jego wersji w https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit

• Strona główna : https://sites.google.com/view/d4rl/home

• Kod źródłowy : tfds.d4rl.d4rl_adroit_hammer.D4rlAdroitHammer

• Wersje :

  • 1.0.0 : Pierwsza wersja.
  • 1.1.0 (domyślnie): Dodano is_last.

• Klucze nadzorowane (Zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Cytat :

@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_hammer/v0-człowiek (domyślna konfiguracja)

• Rozmiar pliku do pobrania : 5.33 MiB

• Rozmiar zestawu danych : 6.10 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

Rozdzielać	Przykłady
'train'	70

• Struktura funkcji :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
kroki	Zbiór danych
kroki/działanie	Napinacz	(26,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDict
kroki/informacje/qpos	Napinacz	(33,)	pływak32
kroki/informacje/qvel	Napinacz	(33,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/jest_terminalem	Napinacz		bool
kroki/obserwacja	Napinacz	(46,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

sklonowany d4rl_adroit_hammer/v0

• Rozmiar pliku do pobrania : 644.69 MiB

• Rozmiar zbioru danych : 538.97 MiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Rozdzielać	Przykłady
'train'	5594

• Struktura funkcji :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float64,
        'infos': FeaturesDict({
            'qpos': Tensor(shape=(33,), dtype=float64),
            'qvel': Tensor(shape=(33,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float64),
        'reward': float64,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
kroki	Zbiór danych
kroki/działanie	Napinacz	(26,)	pływak32
kroki/rabat	Napinacz		pływak64
kroki/informacje	FunkcjeDict
kroki/informacje/qpos	Napinacz	(33,)	pływak64
kroki/informacje/qvel	Napinacz	(33,)	pływak64
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/jest_terminalem	Napinacz		bool
kroki/obserwacja	Napinacz	(46,)	pływak64
kroki/nagroda	Napinacz		pływak64

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_hammer/v0-ekspert

• Rozmiar pliku do pobrania : 529.91 MiB

• Rozmiar zestawu danych : 737.00 MiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Rozdzielać	Przykłady
'train'	5000

• Struktura funkcji :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
kroki	Zbiór danych
kroki/działanie	Napinacz	(26,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDict
kroki/informacje/action_logstd	Napinacz	(26,)	pływak32
kroki/informacje/środek_działania	Napinacz	(26,)	pływak32
kroki/informacje/qpos	Napinacz	(33,)	pływak32
kroki/informacje/qvel	Napinacz	(33,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/jest_terminalem	Napinacz		bool
kroki/obserwacja	Napinacz	(46,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_hammer/v1-człowiek

• Rozmiar pliku do pobrania : 5.35 MiB

• Rozmiar zestawu danych : 6.34 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

Rozdzielać	Przykłady
'train'	25

• Struktura funkcji :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
kroki	Zbiór danych
kroki/działanie	Napinacz	(26,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDict
kroki/informacje/poz_tablicy	Napinacz	(3,)	pływak32
kroki/informacje/qpos	Napinacz	(33,)	pływak32
kroki/informacje/qvel	Napinacz	(33,)	pływak32
kroki/informacje/pozycja_docelowa	Napinacz	(3,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/jest_terminalem	Napinacz		bool
kroki/obserwacja	Napinacz	(46,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

sklonowany d4rl_adroit_hammer/v1

• Rozmiar pliku do pobrania : 425.93 MiB

• Rozmiar zestawu danych : 1.68 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Rozdzielać	Przykłady
'train'	3606

• Struktura funkcji :

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(46, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(256, 26), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
algorytm	Napinacz		strunowy
polityka	FunkcjeDict
polityka/fc0	FunkcjeDict
polityka/fc0/bias	Napinacz	(256,)	pływak32
polityka/fc0/waga	Napinacz	(46, 256)	pływak32
polityka/fc1	FunkcjeDict
polityka/fc1/bias	Napinacz	(256,)	pływak32
polityka/fc1/waga	Napinacz	(256, 256)	pływak32
polityka/last_fc	FunkcjeDict
polityka/last_fc/bias	Napinacz	(26,)	pływak32
polityka/last_fc/waga	Napinacz	(256, 26)	pływak32
polityka/nieliniowość	Napinacz		strunowy
polityka/dystrybucja_wyjściowa	Napinacz		strunowy
kroki	Zbiór danych
kroki/działanie	Napinacz	(26,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDict
kroki/informacje/poz_tablicy	Napinacz	(3,)	pływak32
kroki/informacje/qpos	Napinacz	(33,)	pływak32
kroki/informacje/qvel	Napinacz	(33,)	pływak32
kroki/informacje/pozycja_docelowa	Napinacz	(3,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/jest_terminalem	Napinacz		bool
kroki/obserwacja	Napinacz	(46,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):

d4rl_adroit_hammer/v1-ekspert

• Rozmiar pliku do pobrania : 531.24 MiB

• Rozmiar zbioru danych : 843.54 MiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Podziały :

Rozdzielać	Przykłady
'train'	5000

• Struktura funkcji :

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 46), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(32,), dtype=float32),
            'weight': Tensor(shape=(32, 32), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(26,), dtype=float32),
            'weight': Tensor(shape=(26, 32), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(26,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(26,), dtype=float32),
            'action_mean': Tensor(shape=(26,), dtype=float32),
            'board_pos': Tensor(shape=(3,), dtype=float32),
            'qpos': Tensor(shape=(33,), dtype=float32),
            'qvel': Tensor(shape=(33,), dtype=float32),
            'target_pos': Tensor(shape=(3,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(46,), dtype=float32),
        'reward': float32,
    }),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
algorytm	Napinacz		strunowy
polityka	FunkcjeDict
polityka/fc0	FunkcjeDict
polityka/fc0/bias	Napinacz	(32,)	pływak32
polityka/fc0/waga	Napinacz	(32, 46)	pływak32
polityka/fc1	FunkcjeDict
polityka/fc1/bias	Napinacz	(32,)	pływak32
polityka/fc1/waga	Napinacz	(32, 32)	pływak32
polityka/last_fc	FunkcjeDict
polityka/last_fc/bias	Napinacz	(26,)	pływak32
polityka/last_fc/waga	Napinacz	(26, 32)	pływak32
polityka/last_fc_log_std	FunkcjeDict
polityka/last_fc_log_std/bias	Napinacz	(26,)	pływak32
polityka/last_fc_log_std/waga	Napinacz	(26, 32)	pływak32
polityka/nieliniowość	Napinacz		strunowy
polityka/dystrybucja_wyjściowa	Napinacz		strunowy
kroki	Zbiór danych
kroki/działanie	Napinacz	(26,)	pływak32
kroki/rabat	Napinacz		pływak32
kroki/informacje	FunkcjeDict
kroki/informacje/action_log_std	Napinacz	(26,)	pływak32
kroki/informacje/środek_działania	Napinacz	(26,)	pływak32
kroki/informacje/poz_tablicy	Napinacz	(3,)	pływak32
kroki/informacje/qpos	Napinacz	(33,)	pływak32
kroki/informacje/qvel	Napinacz	(33,)	pływak32
kroki/informacje/pozycja_docelowa	Napinacz	(3,)	pływak32
kroki/jest_pierwszy	Napinacz		bool
kroki/jest_ostatni	Napinacz		bool
kroki/jest_terminalem	Napinacz		bool
kroki/obserwacja	Napinacz	(46,)	pływak32
kroki/nagroda	Napinacz		pływak32

• Przykłady ( tfds.as_dataframe ):