d4rl_mujoco_hopper

  • توضیحات :

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.

@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_hopper/v0-expert (پیکربندی پیش فرض)

  • حجم دانلود : 51.56 MiB

  • حجم مجموعه داده : 64.10 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 1029
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v0-medium

  • حجم دانلود : 51.74 MiB

  • حجم مجموعه داده : 64.68 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 3,064
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v0-medium-expert

  • حجم دانلود : 62.01 MiB

  • حجم مجموعه داده : 77.25 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 2277
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v0-mixed

  • حجم دانلود : 10.48 MiB

  • حجم مجموعه داده : 13.15 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 1250
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v0-random

  • حجم دانلود : 51.83 MiB

  • حجم مجموعه داده : 66.06 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 8793
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v1-expert

  • حجم دانلود : 93.19 MiB

  • حجم مجموعه داده : 608.03 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 1,836
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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، 11) 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 (3،) float32
Policy/last_fc/weight تانسور (3، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (3،) float32
Policy/last_fc_log_std/weight تانسور (3، 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (6،) float32
Steps/infos/qvel تانسور (6،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v1-medium

  • حجم دانلود : 92.03 MiB

  • حجم مجموعه داده : 1.78 GiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 6,328
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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، 11) 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 (3،) float32
Policy/last_fc/weight تانسور (3، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (3،) float32
Policy/last_fc_log_std/weight تانسور (3، 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (6،) float32
Steps/infos/qvel تانسور (6،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v1-medium-expert

  • حجم دانلود : 184.59 MiB

  • حجم مجموعه داده : 230.24 MiB

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

  • تقسیم ها :

شکاف مثال ها
'train' 8,163
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (6،) float32
Steps/infos/qvel تانسور (6،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v1-replay-medium

  • حجم دانلود : 55.65 MiB

  • حجم مجموعه داده : 34.78 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 1,151
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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 (3،) float64
مراحل/تخفیف تانسور float64
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float64
مراحل/پاداش تانسور float64

d4rl_mujoco_hopper/v1-full-replay

  • حجم دانلود : 183.32 MiB

  • حجم مجموعه داده : 114.78 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 2907
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float64),
        'discount': float64,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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 (3،) float64
مراحل/تخفیف تانسور float64
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float64
مراحل/پاداش تانسور float64

d4rl_mujoco_hopper/v1-random

  • حجم دانلود : 91.11 MiB

  • حجم مجموعه داده : 130.73 MiB

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

  • تقسیم ها :

شکاف مثال ها
'train' 45,265
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float32,
            'qpos': Tensor(shape=(6,), dtype=float32),
            'qvel': Tensor(shape=(6,), dtype=float32),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float32
Steps/infos/qpos تانسور (6،) float32
Steps/infos/qvel تانسور (6،) float32
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v2-expert

  • حجم دانلود : 145.37 MiB

  • حجم مجموعه داده : 390.40 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 1028
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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، 11) 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 (3،) float32
Policy/last_fc/weight تانسور (3، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (3،) float32
Policy/last_fc_log_std/weight تانسور (3، 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v2-full-replay

  • حجم دانلود : 179.29 MiB

  • حجم مجموعه داده : 115.04 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 3,515
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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 (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v2-medium

  • حجم دانلود : 145.68 MiB

  • حجم مجموعه داده : 702.57 MiB

  • ذخیره خودکار ( اسناد ): خیر

  • تقسیم ها :

شکاف مثال ها
'train' 2,187
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 11), dtype=float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=float32),
            'weight': Tensor(shape=(256, 256), dtype=float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=float32),
            'weight': Tensor(shape=(3, 256), dtype=float32),
        }),
        'nonlinearity': string,
        'output_distribution': string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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، 11) 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 (3،) float32
Policy/last_fc/weight تانسور (3، 256) float32
Policy/last_fc_log_std FeaturesDict
Policy/last_fc_log_std/bias تانسور (3،) float32
Policy/last_fc_log_std/weight تانسور (3، 256) float32
سیاست/غیرخطی تانسور رشته
سیاست/خروجی_توزیع تانسور رشته
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v2-medium-expert

  • حجم دانلود : 290.43 MiB

  • حجم مجموعه داده : 228.28 MiB

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

  • تقسیم ها :

شکاف مثال ها
'train' 3,214
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v2-replay-medium

  • حجم دانلود : 72.34 MiB

  • حجم مجموعه داده : 46.51 MiB

  • ذخیره خودکار ( اسناد ): بله

  • تقسیم ها :

شکاف مثال ها
'train' 2,041
  • ساختار ویژگی :
FeaturesDict({
    'algorithm': string,
    'iteration': int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), 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 (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32

d4rl_mujoco_hopper/v2-random

  • حجم دانلود : 145.46 MiB

  • حجم مجموعه داده : 130.72 MiB

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

  • تقسیم ها :

شکاف مثال ها
'train' 45,240
  • ساختار ویژگی :
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=float32),
        'discount': float32,
        'infos': FeaturesDict({
            'action_log_probs': float64,
            'qpos': Tensor(shape=(6,), dtype=float64),
            'qvel': Tensor(shape=(6,), dtype=float64),
        }),
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(11,), dtype=float32),
        'reward': float32,
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
مراحل مجموعه داده
مراحل/عمل تانسور (3،) float32
مراحل/تخفیف تانسور float32
مراحل/اطلاعات FeaturesDict
Steps/infos/action_log_probs تانسور float64
Steps/infos/qpos تانسور (6،) float64
Steps/infos/qvel تانسور (6،) float64
Steps/is_first تانسور بوول
Steps/is_last تانسور بوول
Steps/is_terminal تانسور بوول
مراحل / مشاهده تانسور (11،) float32
مراحل/پاداش تانسور float32