d4rl_adroit_pen

• شرح :

D4RL یک معیار منبع باز برای یادگیری تقویتی آفلاین است. این محیط ها و مجموعه داده های استاندارد شده را برای آموزش و الگوریتم های محک ارائه می کند.

مجموعه داده ها از فرمت RLDS پیروی می کنند تا مراحل و قسمت ها را نشان دهند.

• صفحه اصلی : https://sites.google.com/view/d4rl-anonymous

• کد منبع : tfds.d4rl.d4rl_adroit_pen.D4rlAdroitPen

• نسخه ها :

  • 1.0.0 : انتشار اولیه.
  • 1.1.0 (پیش فرض): اضافه شده is_last.

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• نقل قول :

@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 (پیکربندی پیش فرض)

• توضیحات پیکربندی : جزئیات بیشتر در مورد کار و نسخه های آن را در https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit ببینید

• حجم دانلود : 1.94 MiB

• حجم مجموعه داده : 2.52 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیمات :

شکاف	مثال ها
'train'	50

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(24،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/qpos	تانسور	(30،)	float32
Steps/infos/qvel	تانسور	(30،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(45،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_adroit_pen/v0-cloned

• توضیحات پیکربندی : جزئیات بیشتر در مورد کار و نسخه های آن را در https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit ببینید

• حجم دانلود : 292.85 MiB

• حجم مجموعه داده : 252.55 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیمات :

شکاف	مثال ها
'train'	5,023

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(24،)	float32
مراحل/تخفیف	تانسور		float64
مراحل/اطلاعات	FeaturesDict
Steps/infos/qpos	تانسور	(30،)	float64
Steps/infos/qvel	تانسور	(30،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(45،)	float64
مراحل/پاداش	تانسور		float64

• مثال‌ها ( tfds.as_dataframe ):

d4rl_adroit_pen/v0-expert

• توضیحات پیکربندی : جزئیات بیشتر در مورد کار و نسخه های آن را در https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit ببینید

• حجم دانلود : 250.13 MiB

• حجم مجموعه داده : 344.41 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیمات :

شکاف	مثال ها
'train'	5000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(24،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_logstd	تانسور	(24،)	float32
Steps/infos/action_mean	تانسور	(24،)	float32
Steps/infos/qpos	تانسور	(30،)	float32
Steps/infos/qvel	تانسور	(30،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(45،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-human

• توضیحات پیکربندی : جزئیات بیشتر در مورد کار و نسخه های آن را در https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit ببینید

• حجم دانلود : 1.95 MiB

• حجم مجموعه داده : 2.60 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیمات :

شکاف	مثال ها
'train'	25

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(24،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/desired_orien	تانسور	(4،)	float32
Steps/infos/qpos	تانسور	(30،)	float32
Steps/infos/qvel	تانسور	(30،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(45،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-cloned

• توضیحات پیکربندی : جزئیات بیشتر در مورد کار و نسخه های آن را در https://github.com/rail-berkeley/d4rl/wiki/Tasks#adroit ببینید

• حجم دانلود : 147.89 MiB

• حجم مجموعه داده : 1.43 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیمات :

شکاف	مثال ها
'train'	3,755

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
خط مشی	FeaturesDict
Policy/fc0	FeaturesDict
Policy/fc0/bias	تانسور	(256،)	float32
سیاست/fc0/وزن	تانسور	(45، 256)	float32
Policy/fc1	FeaturesDict
Policy/fc1/bias	تانسور	(256،)	float32
سیاست/fc1/وزن	تانسور	(256، 256)	float32
Policy/last_fc	FeaturesDict
Policy/last_fc/bias	تانسور	(24،)	float32
Policy/last_fc/weight	تانسور	(256، 24)	float32
سیاست/غیرخطی	تانسور		رشته
سیاست/خروجی_توزیع	تانسور		رشته
مراحل	مجموعه داده
مراحل/عمل	تانسور	(24،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/desired_orien	تانسور	(4،)	float32
Steps/infos/qpos	تانسور	(30،)	float32
Steps/infos/qvel	تانسور	(30،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(45،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_adroit_pen/v1-expert

• حجم دانلود : 249.90 MiB

• حجم مجموعه داده : 548.47 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیمات :

شکاف	مثال ها
'train'	5000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
خط مشی	FeaturesDict
Policy/fc0	FeaturesDict
Policy/fc0/bias	تانسور	(64،)	float32
سیاست/fc0/وزن	تانسور	(64، 45)	float32
Policy/fc1	FeaturesDict
Policy/fc1/bias	تانسور	(64،)	float32
سیاست/fc1/وزن	تانسور	(64، 64)	float32
Policy/last_fc	FeaturesDict
Policy/last_fc/bias	تانسور	(24،)	float32
Policy/last_fc/weight	تانسور	(24، 64)	float32
Policy/last_fc_log_std	FeaturesDict
Policy/last_fc_log_std/bias	تانسور	(24،)	float32
Policy/last_fc_log_std/weight	تانسور	(24، 64)	float32
سیاست/غیرخطی	تانسور		رشته
سیاست/خروجی_توزیع	تانسور		رشته
مراحل	مجموعه داده
مراحل/عمل	تانسور	(24،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_std	تانسور	(24،)	float32
Steps/infos/action_mean	تانسور	(24،)	float32
Steps/infos/desired_orien	تانسور	(4،)	float32
Steps/infos/qpos	تانسور	(30،)	float32
Steps/infos/qvel	تانسور	(30،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(45،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):