d4rl_mujoco_halfcheetah

• 説明：

D4RL は、オフライン強化学習用のオープンソース ベンチマークです。トレーニングおよびベンチマーク アルゴリズム用の標準化された環境とデータセットを提供します。

データセットはRLDS 形式に従って、ステップとエピソードを表します。

• 構成の説明: タスクとそのバージョンの詳細については、 https://github.com/rail-berkeley/d4rl/wiki/Tasks#gymを参照してください。

• ホームページ: https://sites.google.com/view/d4rl-anonymous

• ソースコード: tfds.d4rl.d4rl_mujoco_halfcheetah.D4rlMujocoHalfcheetah

• バージョン:

  • 1.0.0 : 初期リリース。
  • 1.0.1 : エピソードとステップのメタデータのサポート、およびすべての構成にわたる報酬形状の統一。
  • 1.1.0 : is_last を追加しました。
  • 1.2.0 (デフォルト): 次の観察を考慮するために更新されました。

• 監視キー( as_supervised docを参照): None

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@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 (デフォルト設定)

• ダウンロードサイズ: 83.44 MiB

• データセットのサイズ: 98.43 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

スプリット	例
'train'	1,002

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-medium

• ダウンロードサイズ: 82.92 MiB

• データセットのサイズ: 98.43 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

スプリット	例
'train'	1,002

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-medium-expert

• ダウンロードサイズ: 166.36 MiB

• データセットのサイズ: 196.86 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=False (トレイン) の場合のみ

• 分割:

スプリット	例
'train'	2,004

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-mixed

• ダウンロードサイズ: 8.60 MiB

• データセットのサイズ: 9.94 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

スプリット	例
'train'	101

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v0-random

• ダウンロードサイズ: 84.79 MiB

• データセットのサイズ: 98.43 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

スプリット	例
'train'	1,002

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-expert

• ダウンロードサイズ: 146.94 MiB

• データセットのサイズ: 451.88 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-medium

• ダウンロードサイズ: 146.65 MiB

• データセットのサイズ: 451.88 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-medium-expert

• ダウンロードサイズ: 293.00 MiB

• データセットのサイズ: 342.37 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

スプリット	例
'train'	2,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-medium-replay

• ダウンロードサイズ: 57.68 MiB

• データセットのサイズ: 34.59 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

スプリット	例
'train'	202

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float64
歩数/割引	テンソル		float64
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float64
歩数/報酬	テンソル		float64

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-full-replay

• ダウンロードサイズ: 285.01 MiB

• データセットのサイズ: 171.22 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=False (トレイン) の場合のみ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float64
歩数/割引	テンソル		float64
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float64
歩数/報酬	テンソル		float64

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v1-ランダ​​ム

• ダウンロードサイズ: 145.19 MiB

• データセットのサイズ: 171.18 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=False (トレイン) の場合のみ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float32
ステップ/情報/qpos	テンソル	(9,)	float32
ステップ/情報/qvel	テンソル	(9,)	float32
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-expert

• ダウンロードサイズ: 226.46 MiB

• データセットのサイズ: 451.88 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-full-replay

• ダウンロードサイズ: 277.88 MiB

• データセットのサイズ: 171.22 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=False (トレイン) の場合のみ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-medium

• ダウンロードサイズ: 226.71 MiB

• データセットのサイズ: 451.88 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ポリシー	特徴辞書
ポリシー/fc0	特徴辞書
ポリシー/fc0/バイアス	テンソル	(256,)	float32
ポリシー/fc0/重み	テンソル	(256, 17)	float32
ポリシー/fc1	特徴辞書
ポリシー/FC1/バイアス	テンソル	(256,)	float32
ポリシー/fc1/重み	テンソル	(256、256)	float32
ポリシー/last_fc	特徴辞書
ポリシー/last_fc/バイアス	テンソル	(6,)	float32
ポリシー/last_fc/weight	テンソル	(6,256)	float32
ポリシー/last_fc_log_std	特徴辞書
ポリシー/last_fc_log_std/bias	テンソル	(6,)	float32
ポリシー/last_fc_log_std/weight	テンソル	(6,256)	float32
ポリシー/非線形性	テンソル		弦
ポリシー/出力_配布	テンソル		弦
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-medium-expert

• ダウンロードサイズ: 452.58 MiB

• データセットのサイズ: 342.37 MiB

• 自動キャッシュ(ドキュメント): いいえ

• 分割:

スプリット	例
'train'	2,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-medium-replay

• ダウンロードサイズ: 56.69 MiB

• データセットのサイズ: 34.59 MiB

• 自動キャッシュ(ドキュメント): はい

• 分割:

スプリット	例
'train'	202

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
アルゴリズム	テンソル		弦
反復	テンソル		int32
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):

d4rl_mujoco_halfcheetah/v2-ランダム

• ダウンロードサイズ: 226.34 MiB

• データセットのサイズ: 171.18 MiB

• 自動キャッシュ(ドキュメント): shuffle_files=False (トレイン) の場合のみ

• 分割:

スプリット	例
'train'	1,000

• 機能の構造:

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,
    }),
})

• 機能ドキュメント:

特徴	クラス	形	Dタイプ	説明
	特徴辞書
ステップ	データセット
ステップ/アクション	テンソル	(6,)	float32
歩数/割引	テンソル		float32
手順/情報	特徴辞書
ステップ/情報/action_log_probs	テンソル		float64
ステップ/情報/qpos	テンソル	(9,)	float64
ステップ/情報/qvel	テンソル	(9,)	float64
ステップ/is_first	テンソル		ブール
ステップ/is_last	テンソル		ブール
ステップ/is_terminal	テンソル		ブール
ステップ/観察	テンソル	(17,)	float32
歩数/報酬	テンソル		float32

• 例( tfds.as_dataframe ):