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.

@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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) tf.float32
политика/fc0/вес Тензор (256, 11) tf.float32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (256,) tf.float32
политика/fc1/вес Тензор (256, 256) tf.float32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (3,) tf.float32
политика/last_fc/вес Тензор (3, 256) tf.float32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (3,) tf.float32
политика/last_fc_log_std/вес Тензор (3, 256) tf.float32
политика/нелинейность Тензор tf.string
политика/output_distribution Тензор tf.string
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float32
шаги/информация/qpos Тензор (6,) tf.float32
шаги/информация/qvel Тензор (6,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) tf.float32
политика/fc0/вес Тензор (256, 11) tf.float32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (256,) tf.float32
политика/fc1/вес Тензор (256, 256) tf.float32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (3,) tf.float32
политика/last_fc/вес Тензор (3, 256) tf.float32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (3,) tf.float32
политика/last_fc_log_std/вес Тензор (3, 256) tf.float32
политика/нелинейность Тензор tf.string
политика/output_distribution Тензор tf.string
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float32
шаги/информация/qpos Тензор (6,) tf.float32
шаги/информация/qvel Тензор (6,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float32
шаги/информация/qpos Тензор (6,) tf.float32
шаги/информация/qvel Тензор (6,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (3,) tf.float64
шаги/скидка Тензор tf.float64
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float64
шаги/награда Тензор tf.float64

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (3,) tf.float64
шаги/скидка Тензор tf.float64
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float64
шаги/награда Тензор tf.float64

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float32
шаги/информация/qpos Тензор (6,) tf.float32
шаги/информация/qvel Тензор (6,) tf.float32
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) tf.float32
политика/fc0/вес Тензор (256, 11) tf.float32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (256,) tf.float32
политика/fc1/вес Тензор (256, 256) tf.float32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (3,) tf.float32
политика/last_fc/вес Тензор (3, 256) tf.float32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (3,) tf.float32
политика/last_fc_log_std/вес Тензор (3, 256) tf.float32
политика/нелинейность Тензор tf.string
политика/output_distribution Тензор tf.string
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
политика ОсобенностиDict
политика/fc0 ОсобенностиDict
политика/fc0/bias Тензор (256,) tf.float32
политика/fc0/вес Тензор (256, 11) tf.float32
политика/fc1 ОсобенностиDict
политика/fc1/предвзятость Тензор (256,) tf.float32
политика/fc1/вес Тензор (256, 256) tf.float32
политика/last_fc ОсобенностиDict
политика/last_fc/bias Тензор (3,) tf.float32
политика/last_fc/вес Тензор (3, 256) tf.float32
политика/last_fc_log_std ОсобенностиDict
политика/last_fc_log_std/bias Тензор (3,) tf.float32
политика/last_fc_log_std/вес Тензор (3, 256) tf.float32
политика/нелинейность Тензор tf.string
политика/output_distribution Тензор tf.string
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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': 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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
алгоритм Тензор tf.string
итерация Тензор tf.int32
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32

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=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,
    }),
})
  • Документация по функциям :
Особенность Учебный класс Форма Dтип Описание
ОсобенностиDict
шаги Набор данных
шаги/действие Тензор (3,) tf.float32
шаги/скидка Тензор tf.float32
шаги/информация ОсобенностиDict
шаги/информация/action_log_probs Тензор tf.float64
шаги/информация/qpos Тензор (6,) tf.float64
шаги/информация/qvel Тензор (6,) tf.float64
шаги / is_first Тензор tf.bool
шаги/is_last Тензор tf.bool
шаги/is_terminal Тензор tf.bool
шаги/наблюдение Тензор (11,) tf.float32
шаги/награда Тензор tf.float32