d4rl_mujoco_halfcheetah

• 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.

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

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

• کد منبع : tfds.d4rl.d4rl_mujoco_halfcheetah.D4rlMujocoHalfcheetah

• نسخه ها :

  • 1.0.0 : انتشار اولیه.
  • 1.0.1 : پشتیبانی از ابرداده های قسمت و مرحله، و یکپارچه سازی شکل پاداش در تمام تنظیمات.
  • 1.1.0 : is_last اضافه شد.
  • 1.2.0 (پیش فرض): برای در نظر گرفتن مشاهدات بعدی به روز شد.

• 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_mujoco_halfcheetah/v0-expert (پیکربندی پیش فرض)

• حجم دانلود : 83.44 MiB

• حجم مجموعه داده : 98.43 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'train'	1002

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-medium

• حجم دانلود : 82.92 MiB

• حجم مجموعه داده : 98.43 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'train'	1002

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-medium-expert

• حجم دانلود : 166.36 MiB

• حجم مجموعه داده : 196.86 MiB

• ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

• تقسیم ها :

شکاف	مثال ها
'train'	2004

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-mixed

• حجم دانلود : 8.60 MiB

• حجم مجموعه داده : 9.94 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'train'	101

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-random

• حجم دانلود : 84.79 MiB

• حجم مجموعه داده : 98.43 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'train'	1002

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-expert

• حجم دانلود : 146.94 MiB

• حجم مجموعه داده : 451.88 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
خط مشی	FeaturesDict
Policy/fc0	FeaturesDict
Policy/fc0/bias	تانسور	(256،)	float32
سیاست/fc0/وزن	تانسور	(256، 17)	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	(6،)	float32
Policy/last_fc/weight	تانسور	(6، 256)	float32
Policy/last_fc_log_std	FeaturesDict
Policy/last_fc_log_std/bias	تانسور	(6،)	float32
Policy/last_fc_log_std/weight	تانسور	(6، 256)	float32
سیاست/غیرخطی	تانسور		رشته
سیاست/خروجی_توزیع	تانسور		رشته
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float32
Steps/infos/qpos	تانسور	(9،)	float32
Steps/infos/qvel	تانسور	(9،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-medium

• حجم دانلود : 146.65 MiB

• حجم مجموعه داده : 451.88 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
خط مشی	FeaturesDict
Policy/fc0	FeaturesDict
Policy/fc0/bias	تانسور	(256،)	float32
سیاست/fc0/وزن	تانسور	(256، 17)	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	(6،)	float32
Policy/last_fc/weight	تانسور	(6، 256)	float32
Policy/last_fc_log_std	FeaturesDict
Policy/last_fc_log_std/bias	تانسور	(6،)	float32
Policy/last_fc_log_std/weight	تانسور	(6, 256)	float32
سیاست/غیرخطی	تانسور		رشته
سیاست/خروجی_توزیع	تانسور		رشته
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float32
Steps/infos/qpos	تانسور	(9،)	float32
Steps/infos/qvel	تانسور	(9،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-medium-expert

• حجم دانلود : 293.00 MiB

• حجم مجموعه داده : 342.37 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	2000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float32
Steps/infos/qpos	تانسور	(9،)	float32
Steps/infos/qvel	تانسور	(9،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-replay-replay

• حجم دانلود : 57.68 MiB

• حجم مجموعه داده : 34.59 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیمات :

شکاف	مثال ها
'train'	202

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float64
مراحل/تخفیف	تانسور		float64
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float64
مراحل/پاداش	تانسور		float64

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-full-replay

• حجم دانلود : 285.01 MiB

• حجم مجموعه داده : 171.22 MiB

• ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

• تقسیمات :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float64
مراحل/تخفیف	تانسور		float64
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float64
مراحل/پاداش	تانسور		float64

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-random

• حجم دانلود : 145.19 MiB

• حجم مجموعه داده : 171.18 MiB

• ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

• تقسیمات :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float32
Steps/infos/qpos	تانسور	(9،)	float32
Steps/infos/qvel	تانسور	(9،)	float32
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-expert

• حجم دانلود : 226.46 MiB

• حجم مجموعه داده : 451.88 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
خط مشی	FeaturesDict
Policy/fc0	FeaturesDict
Policy/fc0/bias	تانسور	(256،)	float32
سیاست/fc0/وزن	تانسور	(256، 17)	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	(6،)	float32
Policy/last_fc/weight	تانسور	(6، 256)	float32
Policy/last_fc_log_std	FeaturesDict
Policy/last_fc_log_std/bias	تانسور	(6،)	float32
Policy/last_fc_log_std/weight	تانسور	(6، 256)	float32
سیاست/غیرخطی	تانسور		رشته
سیاست/خروجی_توزیع	تانسور		رشته
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-full-replay

• حجم دانلود : 277.88 MiB

• حجم مجموعه داده : 171.22 MiB

• ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

• تقسیم ها :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-medium

• حجم دانلود : 226.71 MiB

• حجم مجموعه داده : 451.88 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
خط مشی	FeaturesDict
Policy/fc0	FeaturesDict
Policy/fc0/bias	تانسور	(256،)	float32
سیاست/fc0/وزن	تانسور	(256، 17)	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	(6،)	float32
Policy/last_fc/weight	تانسور	(6، 256)	float32
Policy/last_fc_log_std	FeaturesDict
Policy/last_fc_log_std/bias	تانسور	(6،)	float32
Policy/last_fc_log_std/weight	تانسور	(6، 256)	float32
سیاست/غیرخطی	تانسور		رشته
سیاست/خروجی_توزیع	تانسور		رشته
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-medium-expert

• حجم دانلود : 452.58 MiB

• حجم مجموعه داده : 342.37 MiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	2000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-replay-medium

• حجم دانلود : 56.69 MiB

• حجم مجموعه داده : 34.59 MiB

• ذخیره خودکار ( اسناد ): بله

• تقسیم ها :

شکاف	مثال ها
'train'	202

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
الگوریتم	تانسور		رشته
تکرار	تانسور		int32
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-random

• حجم دانلود : 226.34 MiB

• حجم مجموعه داده : 171.18 MiB

• ذخیره خودکار ( مستندات ): فقط زمانی که shuffle_files=False (قطار)

• تقسیم ها :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

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,
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
مراحل	مجموعه داده
مراحل/عمل	تانسور	(6،)	float32
مراحل/تخفیف	تانسور		float32
مراحل/اطلاعات	FeaturesDict
Steps/infos/action_log_probs	تانسور		float64
Steps/infos/qpos	تانسور	(9،)	float64
Steps/infos/qvel	تانسور	(9،)	float64
Steps/is_first	تانسور		بوول
Steps/is_last	تانسور		بوول
Steps/is_terminal	تانسور		بوول
مراحل / مشاهده	تانسور	(17،)	float32
مراحل/پاداش	تانسور		float32

• مثال‌ها ( tfds.as_dataframe ):