d4rl_mujoco_ant, d4rl_mujoco_ant

  • Opis :

D4RL to punkt odniesienia typu open source do uczenia się przez wzmacnianie w trybie offline. Zapewnia standaryzowane środowiska i zbiory danych do algorytmów szkoleniowych i porównawczych.

Zbiory danych są zgodne z formatem RLDS i reprezentują kroki i odcinki.

@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_ant/v0-expert (konfiguracja domyślna)

  • Rozmiar pobierania : 131.34 MiB

  • Rozmiar zbioru danych : 464.94 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1288
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v0-medium

  • Rozmiar pobierania : 131.39 MiB

  • Rozmiar zbioru danych : 464.78 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1122
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v0-medium-expert

  • Rozmiar pobierania : 262.73 MiB

  • Rozmiar zbioru danych : 929.71 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 2410
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v0-mieszany

  • Rozmiar pobierania : 104.63 MiB

  • Rozmiar zbioru danych : 464.93 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1320
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v0-random

  • Rozmiar pobierania : 139.50 MiB

  • Rozmiar zbioru danych : 464.97 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1377
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v1-expert

  • Rozmiar pobierania : 220.72 MiB

  • Rozmiar zbioru danych : 968.63 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1033
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
polityka FunkcjeDykt
polityka/fc0 FunkcjeDykt
polityka/fc0/stronniczość Napinacz (256,) pływak32
polityka/fc0/waga Napinacz (256, 111) pływak32
polityka/fc1 FunkcjeDykt
polityka/fc1/stronniczość Napinacz (256,) pływak32
polisa/fc1/waga Napinacz (256, 256) pływak32
polityka/last_fc FunkcjeDykt
policy/last_fc/bias Napinacz (8,) pływak32
policy/last_fc/waga Napinacz (8, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (8,) pływak32
policy/last_fc_log_std/waga Napinacz (8, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (15,) pływak32
kroki/informacje/kw Napinacz (14,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v1-medium

  • Rozmiar pobierania : 222.39 MiB

  • Rozmiar zbioru danych : 1023.71 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1179
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
polityka FunkcjeDykt
polityka/fc0 FunkcjeDykt
polityka/fc0/stronniczość Napinacz (256,) pływak32
polityka/fc0/waga Napinacz (256, 111) pływak32
polityka/fc1 FunkcjeDykt
polityka/fc1/stronniczość Napinacz (256,) pływak32
polisa/fc1/waga Napinacz (256, 256) pływak32
polityka/last_fc FunkcjeDykt
policy/last_fc/bias Napinacz (8,) pływak32
policy/last_fc/waga Napinacz (8, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (8,) pływak32
policy/last_fc_log_std/waga Napinacz (8, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (15,) pływak32
kroki/informacje/kw Napinacz (14,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v1-medium-expert

  • Rozmiar pobierania : 442.25 MiB

  • Rozmiar zbioru danych : 1.13 GiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 2211
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (15,) pływak32
kroki/informacje/kw Napinacz (14,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v1-medium-replay

  • Rozmiar pobierania : 132.05 MiB

  • Rozmiar zbioru danych : 175.27 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tylko wtedy, gdy shuffle_files=False (pociąg)

  • Podziały :

Podział Przykłady
'train' 485
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float64),
        'reward': float64,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak64
kroki/rabat Napinacz pływak64
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak64
kroki/nagroda Napinacz pływak64

d4rl_mujoco_ant/v1-full-replay

  • Rozmiar pobierania : 437.57 MiB

  • Rozmiar zbioru danych : 580.09 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1319
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float64),
        'reward': float64,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak64
kroki/rabat Napinacz pływak64
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak64
kroki/nagroda Napinacz pływak64

d4rl_mujoco_ant/v1-random

  • Rozmiar pobierania : 225.18 MiB

  • Rozmiar zbioru danych : 583.83 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 5741
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(15,), dtype=float32),
            'qvel': Tensor(shape=(14,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (15,) pływak32
kroki/informacje/kw Napinacz (14,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v2-expert

  • Rozmiar pobierania : 355.94 MiB

  • Rozmiar zbioru danych : 969.38 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1035
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
polityka FunkcjeDykt
polityka/fc0 FunkcjeDykt
polityka/fc0/stronniczość Napinacz (256,) pływak32
polityka/fc0/waga Napinacz (256, 111) pływak32
polityka/fc1 FunkcjeDykt
polityka/fc1/stronniczość Napinacz (256,) pływak32
polisa/fc1/waga Napinacz (256, 256) pływak32
polityka/last_fc FunkcjeDykt
policy/last_fc/bias Napinacz (8,) pływak32
policy/last_fc/waga Napinacz (8, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (8,) pływak32
policy/last_fc_log_std/waga Napinacz (8, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v2-full-replay

  • Rozmiar pobierania : 428.57 MiB

  • Rozmiar zbioru danych : 580.09 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1319
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v2-medium

  • Rozmiar pobierania : 358.81 MiB

  • Rozmiar zbioru danych : 1.01 GiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1203
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 111), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(8,), dtype=float32),
            'weight': Tensor(shape=(8, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
polityka FunkcjeDykt
polityka/fc0 FunkcjeDykt
polityka/fc0/stronniczość Napinacz (256,) pływak32
polityka/fc0/waga Napinacz (256, 111) pływak32
polityka/fc1 FunkcjeDykt
polityka/fc1/stronniczość Napinacz (256,) pływak32
polisa/fc1/waga Napinacz (256, 256) pływak32
polityka/last_fc FunkcjeDykt
policy/last_fc/bias Napinacz (8,) pływak32
policy/last_fc/waga Napinacz (8, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (8,) pływak32
policy/last_fc_log_std/waga Napinacz (8, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v2-medium-expert

  • Rozmiar pobierania : 713.67 MiB

  • Rozmiar zbioru danych : 1.13 GiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 2237
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v2-medium-replay

  • Rozmiar pobierania : 130.16 MiB

  • Rozmiar zbioru danych : 175.27 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tylko wtedy, gdy shuffle_files=False (pociąg)

  • Podziały :

Podział Przykłady
'train' 485
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
algorytm Napinacz strunowy
iteracja Napinacz int32
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_ant/v2-random

  • Rozmiar pobierania : 366.66 MiB

  • Rozmiar zbioru danych : 583.90 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 5822
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(15,), dtype=float64),
            'qvel': Tensor(shape=(14,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (8,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (15,) pływak64
kroki/informacje/kw Napinacz (14,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (111,) pływak32
kroki/nagroda Napinacz pływak32