TFDS รองรับ รูปแบบ Croissant 🥐 แล้ว! อ่าน เอกสาร เพื่อทราบข้อมูลเพิ่มเติม

หน้านี้ได้รับการแปลโดย Cloud Translation API

d4rl_mujoco_ant,d4rl_mujoco_ant

คำอธิบาย :

D4RL เป็นเกณฑ์มาตรฐานแบบโอเพ่นซอร์สสำหรับการเรียนรู้แบบเสริมกำลังแบบออฟไลน์ โดยจัดเตรียมสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับอัลกอริธึมการฝึกอบรมและการวัดประสิทธิภาพ

ชุดข้อมูลเป็นไปตาม รูปแบบ RLDS เพื่อแสดงขั้นตอนและตอน

คำอธิบายการกำหนดค่า : ดูรายละเอียดเพิ่มเติมเกี่ยวกับงานและเวอร์ชันใน https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym
หน้าแรก : https://sites.google.com/view/d4rl-anonymous
ซอร์สโค้ด : tfds.d4rl.d4rl_mujoco_ant.D4rlMujocoAnt
รุ่น :
- 1.0.0 : การเปิดตัวครั้งแรก
- 1.1.0 : เพิ่ม is_last
- 1.2.0 (ค่าเริ่มต้น): อัปเดตเพื่อคำนึงถึงข้อสังเกตถัดไป
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_mujoco_ant/v0-ผู้เชี่ยวชาญ (การกำหนดค่าเริ่มต้น)

ขนาดดาวน์โหลด : 131.34 MiB
ขนาดชุดข้อมูล : 464.94 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,288

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-ปานกลาง

ขนาดดาวน์โหลด : 131.39 MiB
ขนาดชุดข้อมูล : 464.78 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,122

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-ผู้เชี่ยวชาญระดับกลาง

ขนาดดาวน์โหลด : 262.73 MiB
ขนาดชุดข้อมูล : 929.71 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	2,410

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-ผสม

ขนาดดาวน์โหลด : 104.63 MiB
ขนาดชุดข้อมูล : 464.93 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,320

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v0-สุ่ม

ขนาดดาวน์โหลด : 139.50 MiB
ขนาดชุดข้อมูล : 464.97 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,377

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-ผู้เชี่ยวชาญ

ขนาดดาวน์โหลด : 220.72 MiB
ขนาดชุดข้อมูล : 968.63 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,033

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 111)	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	(8,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(8,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-ปานกลาง

ขนาดดาวน์โหลด : 222.39 MiB
ขนาดชุดข้อมูล : 1023.71 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,179

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 111)	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	(8,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(8,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-ผู้เชี่ยวชาญระดับกลาง

ขนาดดาวน์โหลด : 442.25 MiB
ขนาดชุดข้อมูล : 1.13 GiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	2,211

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-เล่นซ้ำขนาดกลาง

ขนาดดาวน์โหลด : 132.05 MiB
ขนาดชุดข้อมูล : 175.27 MiB
แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)
แยก :

แยก	ตัวอย่าง
`'train'`	485

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย64
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย64
ขั้นตอน/รางวัล	เทนเซอร์		ลอย64

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-เล่นซ้ำเต็ม

ขนาดการดาวน์โหลด : 437.57 MiB
ขนาดชุดข้อมูล : 580.09 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,319

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย64
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย64
ขั้นตอน/รางวัล	เทนเซอร์		ลอย64

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v1-สุ่ม

ขนาดดาวน์โหลด : 225.18 MiB
ขนาดชุดข้อมูล : 583.83 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,741

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย32
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย32
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-ผู้เชี่ยวชาญ

ขนาดดาวน์โหลด : 355.94 MiB
ขนาดชุดข้อมูล : 969.38 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,035

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 111)	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	(8,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(8,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-เล่นซ้ำเต็ม

ขนาดการดาวน์โหลด : 428.57 MiB
ขนาดชุดข้อมูล : 580.09 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,319

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-ปานกลาง

ขนาดดาวน์โหลด : 358.81 MiB
ขนาดชุดข้อมูล : 1.01 GiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	1,203

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
นโยบาย	คุณสมบัติDict
นโยบาย/fc0	คุณสมบัติDict
นโยบาย/fc0/อคติ	เทนเซอร์	(256,)	ลอย32
นโยบาย/fc0/น้ำหนัก	เทนเซอร์	(256, 111)	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	(8,)	ลอย32
นโยบาย/last_fc/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/last_fc_log_std	คุณสมบัติDict
นโยบาย/last_fc_log_std/อคติ	เทนเซอร์	(8,)	ลอย32
นโยบาย/last_fc_log_std/น้ำหนัก	เทนเซอร์	(8, 256)	ลอย32
นโยบาย/ความไม่เชิงเส้น	เทนเซอร์		เชือก
นโยบาย/output_distribution	เทนเซอร์		เชือก
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-ผู้เชี่ยวชาญระดับกลาง

ขนาดดาวน์โหลด : 713.67 MiB
ขนาดชุดข้อมูล : 1.13 GiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	2,237

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-เล่นซ้ำขนาดกลาง

ขนาดดาวน์โหลด : 130.16 MiB
ขนาดชุดข้อมูล : 175.27 MiB
แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (train)
แยก :

แยก	ตัวอย่าง
`'train'`	485

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
อัลกอริทึม	เทนเซอร์		เชือก
การวนซ้ำ	เทนเซอร์		int32
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):

d4rl_mujoco_ant/v2-สุ่ม

ขนาดดาวน์โหลด : 366.66 MiB
ขนาดชุดข้อมูล : 583.90 MiB
แคชอัตโนมัติ ( เอกสาร ): No
แยก :

แยก	ตัวอย่าง
`'train'`	5,822

โครงสร้างคุณสมบัติ :

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,
    }),
})

เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD
	คุณสมบัติDict
ขั้นตอน	ชุดข้อมูล
ขั้นตอน/การดำเนินการ	เทนเซอร์	(8,)	ลอย32
ขั้นตอน/ส่วนลด	เทนเซอร์		ลอย32
ขั้นตอน/ข้อมูล	คุณสมบัติDict
ขั้นตอน/ข้อมูล/action_log_probs	เทนเซอร์		ลอย64
ขั้นตอน/ข้อมูล/qpos	เทนเซอร์	(15,)	ลอย64
ขั้นตอน/ข้อมูล/qvel	เทนเซอร์	(14,)	ลอย64
ขั้นตอน/is_first	เทนเซอร์		บูล
ขั้นตอน/is_last	เทนเซอร์		บูล
ขั้นตอน/is_terminal	เทนเซอร์		บูล
ขั้นตอน/การสังเกต	เทนเซอร์	(111,)	ลอย32
ขั้นตอน/รางวัล	เทนเซอร์		ลอย32

ตัวอย่าง ( tfds.as_dataframe ):