TFDS теперь поддерживает формат Croissant 🥐 ! Прочтите документацию , чтобы узнать больше.

Эта страница переведена с помощью Cloud Translation API.

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 конфигурации : более подробную информацию о задаче и ее версиях см. на странице https://github.com/rail-berkeley/d4rl/wiki/Tasks#gym.
Домашняя страница : https://sites.google.com/view/d4rl-anonymous
Исходный код : tfds.d4rl.d4rl_mujoco_hopper.D4rlMujocoHopper
Версии :
- 1.0.0 : Начальная версия.
- 1.1.0 : Добавлен is_last.
- 1.2.0 (по умолчанию): обновлено с учетом следующего наблюдения.
Контролируемые ключи (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
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v0-medium

Размер загрузки : 51.74 MiB
Размер набора данных : 64.68 MiB
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v0-medium-expert

Размер загрузки : 62.01 MiB
Размер набора данных : 77.25 MiB
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
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
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v0-random

Размер загрузки : 51.83 MiB
Размер набора данных : 66.06 MiB
Автокэширование ( документация ): Да
Расколы :

Расколоть	Примеры
`'train'`	8,793

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-expert

Размер загрузки : 93.19 MiB
Размер набора данных : 608.03 MiB
Автокэширование ( документация ): Нет
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ВозможностиDict
политика/fc0	ВозможностиDict
политика/fc0/предвзятость	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/FC1	ВозможностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ВозможностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ВозможностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/выходное_распределение	Тензор		нить
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-medium

Размер загрузки : 92.03 MiB
Размер набора данных : 1.78 GiB
Автокэширование ( документация ): Нет
Расколы :

Расколоть	Примеры
`'train'`	6,328

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ВозможностиDict
политика/fc0	ВозможностиDict
политика/fc0/предвзятость	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/FC1	ВозможностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ВозможностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ВозможностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/выходное_распределение	Тензор		нить
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-medium-expert

Размер загрузки : 184.59 MiB
Размер набора данных : 230.24 MiB
Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)
Расколы :

Расколоть	Примеры
`'train'`	8,163

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-medium-replay

Размер загрузки : 55.65 MiB
Размер набора данных : 34.78 MiB
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действия	Тензор	(3,)	float64
шаги/скидка	Тензор		float64
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	float64
шаги/награда	Тензор		float64

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-full-replay

Размер загрузки : 183.32 MiB
Размер набора данных : 114.78 MiB
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действия	Тензор	(3,)	float64
шаги/скидка	Тензор		float64
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	float64
шаги/награда	Тензор		float64

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v1-random

Размер загрузки : 91.11 MiB
Размер набора данных : 130.73 MiB
Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		поплавок32
шаги/информация/qpos	Тензор	(6,)	поплавок32
шаги/информация/qvel	Тензор	(6,)	поплавок32
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
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
Автокэширование ( документация ): Нет
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ВозможностиDict
политика/fc0	ВозможностиDict
политика/fc0/предвзятость	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/FC1	ВозможностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ВозможностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ВозможностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/выходное_распределение	Тензор		нить
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-full-replay

Размер загрузки : 179.29 MiB
Размер набора данных : 115.04 MiB
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
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
Автокэширование ( документация ): Нет
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
политика	ВозможностиDict
политика/fc0	ВозможностиDict
политика/fc0/предвзятость	Тензор	(256,)	поплавок32
политика/fc0/вес	Тензор	(256, 11)	поплавок32
политика/FC1	ВозможностиDict
политика/fc1/предвзятость	Тензор	(256,)	поплавок32
политика/fc1/вес	Тензор	(256, 256)	поплавок32
политика/last_fc	ВозможностиDict
политика/last_fc/bias	Тензор	(3,)	поплавок32
политика/last_fc/вес	Тензор	(3, 256)	поплавок32
политика/last_fc_log_std	ВозможностиDict
политика/last_fc_log_std/bias	Тензор	(3,)	поплавок32
политика/last_fc_log_std/вес	Тензор	(3, 256)	поплавок32
политика/нелинейность	Тензор		нить
политика/выходное_распределение	Тензор		нить
шаги	Набор данных
шаги/действия	Тензор	(3,)	float32
шаги/скидка	Тензор		float32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	float32
шаги/награда	Тензор		float32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-medium-expert

Размер загрузки : 290.43 MiB
Размер набора данных : 228.28 MiB
Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		поплавок32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-medium-replay

Размер загрузки : 72.34 MiB
Размер набора данных : 46.51 MiB
Автокэширование ( документация ): Да
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
алгоритм	Тензор		нить
итерация	Тензор		int32
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		float32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		поплавок32

Примеры ( tfds.as_dataframe ):

d4rl_mujoco_hopper/v2-random

Размер загрузки : 145.46 MiB
Размер набора данных : 130.72 MiB
Автоматическое кэширование ( документация ): только если shuffle_files=False (поезд)
Расколы :

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,
    }),
})

Функциональная документация :

Особенность	Сорт	Форма	Дтип
	ВозможностиDict
шаги	Набор данных
шаги/действия	Тензор	(3,)	поплавок32
шаги/скидка	Тензор		float32
шаги/информация	ВозможностиDict
шаги/информация/action_log_probs	Тензор		float64
шаги/информация/qpos	Тензор	(6,)	float64
шаги/информация/qvel	Тензор	(6,)	float64
шаги/is_first	Тензор		логическое значение
шаги/is_last	Тензор		логическое значение
шаги/is_terminal	Тензор		логическое значение
шаги/наблюдение	Тензор	(11,)	поплавок32
шаги/награда	Тензор		float32

Примеры ( tfds.as_dataframe ):