d4rl_mujoco_hopper

  • คำอธิบาย :

D4RL เป็นเกณฑ์มาตรฐานโอเพ่นซอร์สสำหรับการเรียนรู้การเสริมแรงแบบออฟไลน์ มีสภาพแวดล้อมและชุดข้อมูลที่เป็นมาตรฐานสำหรับการฝึกอบรมและอัลกอริทึมการเปรียบเทียบ

ชุดข้อมูลเป็นไปตาม รูปแบบ RLDS เพื่อแสดงขั้นตอนและตอน

@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 (การกำหนดค่าเริ่มต้น)

  • ขนาดดาวน์โหลด : 51.56 MiB

  • ขนาดชุดข้อมูล : 64.10 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 1,029
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v0-medium

  • ขนาดดาวน์โหลด : 51.74 MiB

  • ขนาดชุดข้อมูล : 64.68 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 3,064
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v0-medium-expert

  • ขนาดดาวน์โหลด : 62.01 MiB

  • ขนาดชุดข้อมูล : 77.25 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 2,277
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v0-mixed

  • ขนาดดาวน์โหลด : 10.48 MiB

  • ขนาดชุดข้อมูล : 13.15 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 1,250
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v0-สุ่ม

  • ขนาดดาวน์โหลด : 51.83 MiB

  • ขนาดชุดข้อมูล : 66.06 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 8,793
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v1-expert

  • ขนาดดาวน์โหลด : 93.19 MiB

  • ขนาดชุดข้อมูล : 608.03 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ไม่

  • แยก :

แยก ตัวอย่าง
'train' 1,836
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/bias เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc0/weight เทนเซอร์ (256, 11) tf.float32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc1/weight เทนเซอร์ (256, 256) tf.float32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc_log_std/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ tf.string
นโยบาย/ผลลัพธ์_การกระจาย เทนเซอร์ tf.string
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float32
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float32
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v1-medium

  • ขนาดดาวน์โหลด : 92.03 MiB

  • ขนาดชุดข้อมูล : 1.78 GiB

  • แคชอัตโนมัติ ( เอกสาร ): ไม่

  • แยก :

แยก ตัวอย่าง
'train' 6,328
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/bias เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc0/weight เทนเซอร์ (256, 11) tf.float32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc1/weight เทนเซอร์ (256, 256) tf.float32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc_log_std/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ tf.string
นโยบาย/ผลลัพธ์_การกระจาย เทนเซอร์ tf.string
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float32
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float32
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v1-medium-expert

  • ขนาดดาวน์โหลด : 184.59 MiB

  • ขนาดชุดข้อมูล : 230.24 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (รถไฟ)

  • แยก :

แยก ตัวอย่าง
'train' 8,163
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float32
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float32
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v1-medium-replay

  • ขนาดดาวน์โหลด : 55.65 MiB

  • ขนาดชุดข้อมูล : 34.78 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 1,151
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float64
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float64
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float64
ขั้นตอน/รางวัล เทนเซอร์ tf.float64

d4rl_mujoco_hopper/v1-full-replay

  • ขนาดดาวน์โหลด : 183.32 MiB

  • ขนาดชุดข้อมูล : 114.78 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 2,907
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float64
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float64
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float64
ขั้นตอน/รางวัล เทนเซอร์ tf.float64

d4rl_mujoco_hopper/v1-random

  • ขนาดดาวน์โหลด : 91.11 MiB

  • ขนาดชุดข้อมูล : 130.73 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (รถไฟ)

  • แยก :

แยก ตัวอย่าง
'train' 45,265
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float32
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float32
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float32
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v2-expert

  • ขนาดดาวน์โหลด : 145.37 MiB

  • ขนาดชุดข้อมูล : 390.40 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ไม่

  • แยก :

แยก ตัวอย่าง
'train' 1,028
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/bias เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc0/weight เทนเซอร์ (256, 11) tf.float32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc1/weight เทนเซอร์ (256, 256) tf.float32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc_log_std/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ tf.string
นโยบาย/ผลลัพธ์_การกระจาย เทนเซอร์ tf.string
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v2-full-replay

  • ขนาดดาวน์โหลด : 179.29 MiB

  • ขนาดชุดข้อมูล : 115.04 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 3,515
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v2-medium

  • ขนาดดาวน์โหลด : 145.68 MiB

  • ขนาดชุดข้อมูล : 702.57 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ไม่

  • แยก :

แยก ตัวอย่าง
'train' 2,187
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
นโยบาย คุณสมบัติDict
นโยบาย/fc0 คุณสมบัติDict
นโยบาย/fc0/bias เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc0/weight เทนเซอร์ (256, 11) tf.float32
นโยบาย/fc1 คุณสมบัติDict
นโยบาย/fc1/อคติ เทนเซอร์ (256,) tf.float32
กรมธรรม์/fc1/weight เทนเซอร์ (256, 256) tf.float32
นโยบาย/last_fc คุณสมบัติDict
นโยบาย/last_fc/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/last_fc_log_std คุณสมบัติDict
นโยบาย/last_fc_log_std/bias เทนเซอร์ (3,) tf.float32
นโยบาย/last_fc_log_std/weight เทนเซอร์ (3, 256) tf.float32
นโยบาย/ความไม่เชิงเส้น เทนเซอร์ tf.string
นโยบาย/ผลลัพธ์_การกระจาย เทนเซอร์ tf.string
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v2-medium-expert

  • ขนาดดาวน์โหลด : 290.43 MiB

  • ขนาดชุดข้อมูล : 228.28 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (รถไฟ)

  • แยก :

แยก ตัวอย่าง
'train' 3,214
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v2-medium-replay

  • ขนาดดาวน์โหลด : 72.34 MiB

  • ขนาดชุดข้อมูล : 46.51 MiB

  • แคชอัตโนมัติ ( เอกสาร ): ใช่

  • แยก :

แยก ตัวอย่าง
'train' 2,041
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
อัลกอริทึม เทนเซอร์ tf.string
การวนซ้ำ เทนเซอร์ tf.int32
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32

d4rl_mujoco_hopper/v2-random

  • ขนาดดาวน์โหลด : 145.46 MiB

  • ขนาดชุดข้อมูล : 130.72 MiB

  • แคชอัตโนมัติ ( เอกสารประกอบ ): เฉพาะเมื่อ shuffle_files=False (รถไฟ)

  • แยก :

แยก ตัวอย่าง
'train' 45,240
  • โครงสร้างคุณสมบัติ :
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,
    }),
})
  • เอกสารคุณสมบัติ :
ลักษณะเฉพาะ ระดับ รูปร่าง Dtype คำอธิบาย
คุณสมบัติDict
ขั้นตอน ชุดข้อมูล
ขั้นตอน/การกระทำ เทนเซอร์ (3,) tf.float32
ขั้นตอน/ส่วนลด เทนเซอร์ tf.float32
ขั้นตอน/ข้อมูล คุณสมบัติDict
ขั้นตอน/infos/action_log_probs เทนเซอร์ tf.float64
ขั้นตอน/infos/qpos เทนเซอร์ (6,) tf.float64
ขั้นตอน/infos/qvel เทนเซอร์ (6,) tf.float64
ขั้นตอน/is_first เทนเซอร์ tf.bool
ขั้นตอน/is_last เทนเซอร์ tf.bool
ขั้นตอน/is_terminal เทนเซอร์ tf.bool
ขั้นตอน/การสังเกต เทนเซอร์ (11,) tf.float32
ขั้นตอน/รางวัล เทนเซอร์ tf.float32