d4rl_mujoco_halfcheetah

  • 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_halfcheetah/v0-expert (konfiguracja domyślna)

  • Rozmiar pobierania : 83.44 MiB

  • Rozmiar zbioru danych : 98.43 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Podział Przykłady
'train' 1002
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v0-medium

  • Rozmiar pobierania : 82.92 MiB

  • Rozmiar zbioru danych : 98.43 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Podział Przykłady
'train' 1002
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v0-medium-expert

  • Rozmiar pobierania : 166.36 MiB

  • Rozmiar zbioru danych : 196.86 MiB

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

  • Podziały :

Podział Przykłady
'train' 2004
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v0-mixed

  • Rozmiar pliku do pobrania : 8.60 MiB

  • Rozmiar zbioru danych : 9.94 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Podział Przykłady
'train' 101
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v0-random

  • Rozmiar pobierania : 84.79 MiB

  • Rozmiar zbioru danych : 98.43 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Podział Przykłady
'train' 1002
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v1-expert

  • Rozmiar pobierania : 146.94 MiB

  • Rozmiar zbioru danych : 451.88 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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, 17) 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 (6,) pływak32
policy/last_fc/waga Napinacz (6, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (6,) pływak32
policy/last_fc_log_std/waga Napinacz (6, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (9,) pływak32
kroki/informacje/kw Napinacz (9,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v1-medium

  • Rozmiar pobierania : 146.65 MiB

  • Rozmiar zbioru danych : 451.88 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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, 17) 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 (6,) pływak32
policy/last_fc/waga Napinacz (6, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (6,) pływak32
policy/last_fc_log_std/waga Napinacz (6, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (9,) pływak32
kroki/informacje/kw Napinacz (9,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v1-medium-expert

  • Rozmiar pobierania : 293.00 MiB

  • Rozmiar zbioru danych : 342.37 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 2000
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (9,) pływak32
kroki/informacje/kw Napinacz (9,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v1-medium-replay

  • Rozmiar pobierania : 57.68 MiB

  • Rozmiar zbioru danych : 34.59 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Podział Przykłady
'train' 202
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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 (6,) pływak64
kroki/rabat Napinacz pływak64
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak64
kroki/nagroda Napinacz pływak64

d4rl_mujoco_halfcheetah/v1-full-replay

  • Rozmiar pobierania : 285.01 MiB

  • Rozmiar zbioru danych : 171.22 MiB

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

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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 (6,) pływak64
kroki/rabat Napinacz pływak64
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak64
kroki/nagroda Napinacz pływak64

d4rl_mujoco_halfcheetah/v1-random

  • Rozmiar pobierania : 145.19 MiB

  • Rozmiar zbioru danych : 171.18 MiB

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

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(9,), dtype=float32),
            'qvel': Tensor(shape=(9,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak32
kroki/informacje/qpos Napinacz (9,) pływak32
kroki/informacje/kw Napinacz (9,) pływak32
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v2-expert

  • Rozmiar pobierania : 226.46 MiB

  • Rozmiar zbioru danych : 451.88 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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, 17) 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 (6,) pływak32
policy/last_fc/waga Napinacz (6, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (6,) pływak32
policy/last_fc_log_std/waga Napinacz (6, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v2-full-replay

  • Rozmiar pobierania : 277.88 MiB

  • Rozmiar zbioru danych : 171.22 MiB

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

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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 (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v2-medium

  • Rozmiar pobierania : 226.71 MiB

  • Rozmiar zbioru danych : 451.88 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 17), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(6,), dtype=float32),
            'weight': Tensor(shape=(6, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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, 17) 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 (6,) pływak32
policy/last_fc/waga Napinacz (6, 256) pływak32
polityka/last_fc_log_std FunkcjeDykt
policy/last_fc_log_std/bias Napinacz (6,) pływak32
policy/last_fc_log_std/waga Napinacz (6, 256) pływak32
polityka/nieliniowość Napinacz strunowy
polityka/dystrybucja_wyjściowa Napinacz strunowy
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v2-medium-expert

  • Rozmiar pobierania : 452.58 MiB

  • Rozmiar zbioru danych : 342.37 MiB

  • Automatyczne buforowanie ( dokumentacja ): Nie

  • Podziały :

Podział Przykłady
'train' 2000
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v2-medium-replay

  • Rozmiar pobierania : 56.69 MiB

  • Rozmiar zbioru danych : 34.59 MiB

  • Automatyczne buforowanie ( dokumentacja ): Tak

  • Podziały :

Podział Przykłady
'train' 202
  • Struktura funkcji :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), 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 (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32

d4rl_mujoco_halfcheetah/v2-random

  • Rozmiar pobierania : 226.34 MiB

  • Rozmiar zbioru danych : 171.18 MiB

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

  • Podziały :

Podział Przykłady
'train' 1000
  • Struktura funkcji :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(9,), dtype=float64),
            'qvel': Tensor(shape=(9,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
kroki Zbiór danych
kroki/akcja Napinacz (6,) pływak32
kroki/rabat Napinacz pływak32
kroki/informacje FunkcjeDykt
kroki/infos/action_log_probs Napinacz pływak64
kroki/informacje/qpos Napinacz (9,) pływak64
kroki/informacje/kw Napinacz (9,) pływak64
kroki/jest_pierwszy Napinacz bool
kroki/jest_ostatni Napinacz bool
kroki/is_terminal Napinacz bool
kroki/obserwacje Napinacz (17,) pływak32
kroki/nagroda Napinacz pływak32