d4rl_mujoco_hopper

• Описание :

D4RL — это тест с открытым исходным кодом для автономного обучения с подкреплением. Он предоставляет стандартизированные среды и наборы данных для алгоритмов обучения и сравнительного анализа.

Наборы данных соответствуют формату RLDS для представления шагов и эпизодов.

• Описание конфига : подробнее о задаче и ее версиях смотрите на https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym .

• Домашняя страница : https://sites.google.com/view/d4rl/home

• Исходный код : tfds.d4rl.d4rl_mujoco_hopper.D4rlMujocoHopper

• Версии :

  • 1.0.0 : Первоначальный выпуск.
  • 1.1.0 : Добавлен is_last.
  • 1.2.0 (по умолчанию): обновлено с учетом следующего наблюдения.

• Ключи под наблюдением (см . документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Цитата :

@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 (конфигурация по умолчанию)

• Размер загрузки : 51.56 MiB

• Размер набора данных : 64.10 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	1029

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v0-средний

• Размер загрузки : 51.74 MiB .

• Размер набора данных : 64.68 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	3064

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v0-средний эксперт

• Размер загрузки : 62.01 MiB

• Размер набора данных : 77.25 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	2277

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v0-смешанный

• Размер загрузки : 10.48 MiB

• Размер набора данных : 13.15 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	1250

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v0-случайный

• Размер загрузки : 51.83 MiB

• Размер набора данных : 66.06 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	8793

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-эксперт

• Размер загрузки : 93.19 MiB

• Размер набора данных : 608.03 MiB .

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'train'	1836

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ОсобенностиDict
политика/fc0	ОсобенностиDict
политика/fc0/bias	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/fc1	ОсобенностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ОсобенностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ОсобенностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/output_distribution	Тензор		нить
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-средний

• Размер загрузки : 92.03 MiB

• Размер набора данных : 1.78 GiB

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'train'	6328

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ОсобенностиDict
политика/fc0	ОсобенностиDict
политика/fc0/bias	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/fc1	ОсобенностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ОсобенностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ОсобенностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/output_distribution	Тензор		нить
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-средний эксперт

• Размер загрузки : 184.59 MiB

• Размер набора данных : 230.24 MiB .

• Автокэширование ( документация ): только когда shuffle_files=False (поезд)

• Сплиты :

Расколоть	Примеры
'train'	8163

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-средний повтор

• Размер загрузки : 55.65 MiB .

• Размер набора данных : 34.78 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	1151

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок64
шаги/скидка	Тензор		поплавок64
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок64
шаги/награда	Тензор		поплавок64

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-полный повтор

• Размер загрузки : 183.32 MiB

• Размер набора данных : 114.78 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	2907

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок64
шаги/скидка	Тензор		поплавок64
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок64
шаги/награда	Тензор		поплавок64

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-случайный

• Размер загрузки : 91.11 MiB

• Размер набора данных : 130.73 MiB .

• Автокэширование ( документация ): только когда shuffle_files=False (поезд)

• Сплиты :

Расколоть	Примеры
'train'	45 265

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-эксперт

• Размер загрузки : 145.37 MiB

• Размер набора данных : 390.40 MiB .

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'train'	1028

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ОсобенностиDict
политика/fc0	ОсобенностиDict
политика/fc0/bias	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/fc1	ОсобенностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ОсобенностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ОсобенностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/output_distribution	Тензор		нить
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-полный повтор

• Размер загрузки : 179.29 MiB

• Размер набора данных : 115.04 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	3515

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-средний

• Размер загрузки : 145.68 MiB

• Размер набора данных : 702.57 MiB .

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'train'	2187

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ОсобенностиDict
политика/fc0	ОсобенностиDict
политика/fc0/bias	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/fc1	ОсобенностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ОсобенностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ОсобенностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/output_distribution	Тензор		нить
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-средний эксперт

• Размер загрузки : 290.43 MiB

• Размер набора данных : 228.28 MiB .

• Автокэширование ( документация ): только когда shuffle_files=False (поезд)

• Сплиты :

Расколоть	Примеры
'train'	3214

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-средний повтор

• Размер загрузки : 72.34 MiB

• Размер набора данных : 46.51 MiB .

• Автоматическое кэширование ( документация ): Да

• Сплиты :

Расколоть	Примеры
'train'	2041

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-случайный

• Размер загрузки : 145.46 MiB

• Размер набора данных : 130.72 MiB .

• Автокэширование ( документация ): только когда shuffle_files=False (поезд)

• Сплиты :

Расколоть	Примеры
'train'	45 240

• Структура функции :

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,
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
шаги	Набор данных
шаги/действие	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ОсобенностиDict
шаги/информация/action_log_probs	Тензор		поплавок64
шаги/информация/qpos	Тензор	(6,)	поплавок64
шаги/информация/qvel	Тензор	(6,)	поплавок64
шаги / is_first	Тензор		логический
шаги/is_last	Тензор		логический
шаги/is_terminal	Тензор		логический
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

• Примеры ( tfds.as_dataframe ):