d4rl_mujoco_hopper

  • 説明

D4RLは、オフライン強化学習のため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。

@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-エキスパート(デフォルトの構成)

  • ダウンロードサイズ51.56 MiB

  • データセットサイズ64.10 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 1,029
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v0-中

  • ダウンロードサイズ51.74 MiB

  • データセットサイズ64.68 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 3,064
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v0-中程度の専門家

  • ダウンロードサイズ62.01 MiB

  • データセットサイズ77.25 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 2,277
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v0-混合

  • ダウンロードサイズ10.48 MiB

  • データセットサイズ13.15 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 1,250
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v0-ランダム

  • ダウンロードサイズ51.83 MiB

  • データセットサイズ66.06 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 8,793
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v1-エキスパート

  • ダウンロードサイズ93.19 MiB

  • データセットサイズ608.03 MiB

  • 自動キャッシュドキュメント):いいえ

  • 分割

スプリット
'train' 1,836
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
ポリシーFeaturesDict
policy / fc0 FeaturesDict
policy / fc0 /biasテンソル(256、) tf.float32
policy / fc0 / weightテンソル(256、11) tf.float32
ポリシー/fc1 FeaturesDict
policy / fc1 / biasテンソル(256、) tf.float32
policy / fc1 / weightテンソル(256、256) tf.float32
policy / last_fc FeaturesDict
policy / last_fc / biasテンソル(3、) tf.float32
policy / last_fc / weightテンソル(3、256) tf.float32
policy / last_fc_log_std FeaturesDict
policy / last_fc_log_std / biasテンソル(3、) tf.float32
policy / last_fc_log_std / weightテンソル(3、256) tf.float32
ポリシー/非線形性テンソルtf.string
policy / output_distributionテンソルtf.string
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float32
ステップ/情報/qposテンソル(6、) tf.float32
ステップ/情報/qvelテンソル(6、) tf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper / v1-medium

  • ダウンロードサイズ92.03 MiB

  • データセットサイズ1.78 GiB

  • 自動キャッシュドキュメント):いいえ

  • 分割

スプリット
'train' 6,328
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
ポリシーFeaturesDict
policy / fc0 FeaturesDict
policy / fc0 /biasテンソル(256、) tf.float32
policy / fc0 / weightテンソル(256、11) tf.float32
ポリシー/fc1 FeaturesDict
policy / fc1 / biasテンソル(256、) tf.float32
policy / fc1 / weightテンソル(256、256) tf.float32
policy / last_fc FeaturesDict
policy / last_fc / biasテンソル(3、) tf.float32
policy / last_fc / weightテンソル(3、256) tf.float32
policy / last_fc_log_std FeaturesDict
policy / last_fc_log_std / biasテンソル(3、) tf.float32
policy / last_fc_log_std / weightテンソル(3、256) tf.float32
ポリシー/非線形性テンソルtf.string
policy / output_distributionテンソルtf.string
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float32
ステップ/情報/qposテンソル(6、) tf.float32
ステップ/情報/qvelテンソル(6、) tf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v1-中程度の専門家

  • ダウンロードサイズ184.59 MiB

  • データセットサイズ230.24 MiB

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

  • 分割

スプリット
'train' 8,163
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float32
ステップ/情報/qposテンソル(6、) tf.float32
ステップ/情報/qvelテンソル(6、) tf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v1-中程度の再生

  • ダウンロードサイズ55.65 MiB

  • データセットサイズ34.78 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 1,151
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float64),
        'discount': tf.float64,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float64),
        'reward': tf.float64,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
手順データセット
ステップ/アクションテンソル(3、) tf.float64
ステップ/割引テンソルtf.float64
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float64
ステップ/報酬テンソルtf.float64

d4rl_mujoco_hopper/v1-フルリプレイ

  • ダウンロードサイズ183.32 MiB

  • データセットサイズ114.78 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 2,907
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float64),
        'discount': tf.float64,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float64),
        'reward': tf.float64,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
手順データセット
ステップ/アクションテンソル(3、) tf.float64
ステップ/割引テンソルtf.float64
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float64
ステップ/報酬テンソルtf.float64

d4rl_mujoco_hopper/v1-ランダ​​ム

  • ダウンロードサイズ91.11 MiB

  • データセットサイズ130.73 MiB

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

  • 分割

スプリット
'train' 45,265
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float32,
            'qpos': Tensor(shape=(6,), dtype=tf.float32),
            'qvel': Tensor(shape=(6,), dtype=tf.float32),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float32
ステップ/情報/qposテンソル(6、) tf.float32
ステップ/情報/qvelテンソル(6、) tf.float32
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v2-エキスパート

  • ダウンロードサイズ145.37 MiB

  • データセットサイズ390.40 MiB

  • 自動キャッシュドキュメント):いいえ

  • 分割

スプリット
'train' 1,028
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
ポリシーFeaturesDict
policy / fc0 FeaturesDict
policy / fc0 /biasテンソル(256、) tf.float32
policy / fc0 / weightテンソル(256、11) tf.float32
ポリシー/fc1 FeaturesDict
policy / fc1 / biasテンソル(256、) tf.float32
policy / fc1 / weightテンソル(256、256) tf.float32
policy / last_fc FeaturesDict
policy / last_fc / biasテンソル(3、) tf.float32
policy / last_fc / weightテンソル(3、256) tf.float32
policy / last_fc_log_std FeaturesDict
policy / last_fc_log_std / biasテンソル(3、) tf.float32
policy / last_fc_log_std / weightテンソル(3、256) tf.float32
ポリシー/非線形性テンソルtf.string
policy / output_distributionテンソルtf.string
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v2-フルリプレイ

  • ダウンロードサイズ179.29 MiB

  • データセットサイズ115.04 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 3,515
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper / v2-medium

  • ダウンロードサイズ145.68 MiB

  • データセットサイズ702.57 MiB

  • 自動キャッシュドキュメント):いいえ

  • 分割

スプリット
'train' 2,187
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'policy': FeaturesDict({
        'fc0': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 11), dtype=tf.float32),
        }),
        'fc1': FeaturesDict({
            'bias': Tensor(shape=(256,), dtype=tf.float32),
            'weight': Tensor(shape=(256, 256), dtype=tf.float32),
        }),
        'last_fc': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'last_fc_log_std': FeaturesDict({
            'bias': Tensor(shape=(3,), dtype=tf.float32),
            'weight': Tensor(shape=(3, 256), dtype=tf.float32),
        }),
        'nonlinearity': tf.string,
        'output_distribution': tf.string,
    }),
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
ポリシーFeaturesDict
policy / fc0 FeaturesDict
policy / fc0 /biasテンソル(256、) tf.float32
policy / fc0 / weightテンソル(256、11) tf.float32
ポリシー/fc1 FeaturesDict
policy / fc1 / biasテンソル(256、) tf.float32
policy / fc1 / weightテンソル(256、256) tf.float32
policy / last_fc FeaturesDict
policy / last_fc / biasテンソル(3、) tf.float32
policy / last_fc / weightテンソル(3、256) tf.float32
policy / last_fc_log_std FeaturesDict
policy / last_fc_log_std / biasテンソル(3、) tf.float32
policy / last_fc_log_std / weightテンソル(3、256) tf.float32
ポリシー/非線形性テンソルtf.string
policy / output_distributionテンソルtf.string
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v2-中程度の専門家

  • ダウンロードサイズ290.43 MiB

  • データセットサイズ228.28 MiB

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

  • 分割

スプリット
'train' 3,214
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v2-中程度の再生

  • ダウンロードサイズ72.34 MiB

  • データセットサイズ46.51 MiB

  • 自動キャッシュドキュメント):はい

  • 分割

スプリット
'train' 2,041
  • 機能構造
FeaturesDict({
    'algorithm': tf.string,
    'iteration': tf.int32,
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
アルゴリズムテンソルtf.string
反復テンソルtf.int32
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32

d4rl_mujoco_hopper/v2-ランダム

  • ダウンロードサイズ145.46 MiB

  • データセットサイズ130.72 MiB

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

  • 分割

スプリット
'train' 45,240
  • 機能構造
FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(3,), dtype=tf.float32),
        'discount': tf.float32,
        'infos': FeaturesDict({
            'action_log_probs': tf.float64,
            'qpos': Tensor(shape=(6,), dtype=tf.float64),
            'qvel': Tensor(shape=(6,), dtype=tf.float64),
        }),
        'is_first': tf.bool,
        'is_last': tf.bool,
        'is_terminal': tf.bool,
        'observation': Tensor(shape=(11,), dtype=tf.float32),
        'reward': tf.float32,
    }),
})
  • 機能ドキュメント
特徴クラスDtype説明
FeaturesDict
手順データセット
ステップ/アクションテンソル(3、) tf.float32
ステップ/割引テンソルtf.float32
ステップ/情報FeaturesDict
ステップ/情報/action_log_probsテンソルtf.float64
ステップ/情報/qposテンソル(6、) tf.float64
ステップ/情報/qvelテンソル(6、) tf.float64
ステップ/is_firstテンソルtf.bool
ステップ/is_lastテンソルtf.bool
ステップ/is_terminalテンソルtf.bool
ステップ/観察テンソル(11、) tf.float32
ステップ/報酬テンソルtf.float32