TFDS รองรับ รูปแบบ Croissant 🥐 แล้ว! อ่าน เอกสาร เพื่อทราบข้อมูลเพิ่มเติม

หน้านี้ได้รับการแปลโดย Cloud Translation API

d4rl_adroit_pen

คำอธิบาย :

D4RL เป็นเกณฑ์มาตรฐานแบบโอเพ่นซอร์สสำหรับการเรียนรู้แบบเสริมกำลังแบบออฟไลน์ โดยจัดเตรียมสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับอัลกอริธึมการฝึกอบรมและการวัดประสิทธิภาพ

ชุดข้อมูลเป็นไปตาม รูปแบบ RLDS เพื่อแสดงขั้นตอนและตอน

หน้าแรก : https://sites.google.com/view/d4rl-anonymous
ซอร์สโค้ด : tfds.d4rl.d4rl_adroit_pen.D4rlAdroitPen
รุ่น :
- 1.0.0 : การเปิดตัวครั้งแรก
- 1.1.0 (ค่าเริ่มต้น): เพิ่ม is_last
คีย์ภายใต้การดูแล (ดู as_supervised doc ): None
รูปภาพ ( tfds.show_examples ): ไม่รองรับ
การอ้างอิง :

@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_pen/v0-human (การกำหนดค่าเริ่มต้น)

คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
ขนาดดาวน์โหลด : 1.94 MiB
ขนาดชุดข้อมูล : 2.52 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	50

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(45,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_pen/v0-โคลน

คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
ขนาดดาวน์โหลด : 292.85 MiB
ขนาดชุดข้อมูล : 252.55 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,023

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), 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=(45,), dtype=float64),
        'reward': float64,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(30,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(30,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(45,)	ลอย64
ขั้นตอน/รางวัล	เทนเซอร์		ลอย64

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_pen/v0-ผู้เชี่ยวชาญ

คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
ขนาดดาวน์โหลด : 250.13 MiB
ขนาดชุดข้อมูล : 344.41 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,000

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_logstd': Tensor(shape=(24,), dtype=float32),
            'action_mean': Tensor(shape=(24,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_logstd	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ข้อมูล/action_mean	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(45,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-มนุษย์

คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
ขนาดดาวน์โหลด : 1.95 MiB
ขนาดชุดข้อมูล : 2.60 MiB
แคชอัตโนมัติ ( เอกสาร ): ใช่
แยก :

แยก	ตัวอย่าง
`'train'`	25

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'desired_orien': Tensor(shape=(4,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/desired_orien	เทนเซอร์	(4,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(45,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-โคลน

คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit
ขนาดดาวน์โหลด : 147.89 MiB
ขนาดชุดข้อมูล : 1.43 GiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	3,755

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(45, 256), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(256, 24), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'desired_orien': Tensor(shape=(4,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(45, 256)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(256, 256)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(24,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(256, 24)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/desired_orien	เทนเซอร์	(4,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(45,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-ผู้เชี่ยวชาญ

ขนาดดาวน์โหลด : 249.90 MiB
ขนาดชุดข้อมูล : 548.47 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,000

โครงสร้างคุณสมบัติ :

FeaturesDict({
    'algorithm': string,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(64,), dtype=float32),
            'weight': Tensor(shape=(64, 45), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(64,), dtype=float32),
            'weight': Tensor(shape=(64, 64), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(24, 64), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(24,), dtype=float32),
            'weight': Tensor(shape=(24, 64), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(24,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_std': Tensor(shape=(24,), dtype=float32),
            'action_mean': Tensor(shape=(24,), dtype=float32),
            'desired_orien': Tensor(shape=(4,), 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=(45,), dtype=float32),
        'reward': float32,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(64,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(64, 45)	ลอย32
นโยบาย/fc1	คุณสมบัติDict
นโยบาย/fc1/อคติ	เทนเซอร์	(64,)	ลอย32
นโยบาย/fc1/น้ำหนัก	เทนเซอร์	(64, 64)	ลอย32
นโยบาย/last_fc	คุณสมบัติDict
นโยบาย/last_fc/อคติ	เทนเซอร์	(24,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(24, 64)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(24,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(24, 64)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_std	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ข้อมูล/action_mean	เทนเซอร์	(24,)	ลอย32
ขั้นตอน/ข้อมูล/desired_orien	เทนเซอร์	(4,)	ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(30,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(45,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):