গতিবিধি

• বর্ণনা :

MuJoCo লোকোমোশন টাস্কের পরিবেশ পুরস্কারের উপর প্রশিক্ষণপ্রাপ্ত একটি SAC এজেন্ট দিয়ে ডেটাসেট তৈরি করা হয়েছে। এই ডেটাসেটগুলি প্রতিপক্ষের অনুকরণ শেখার জন্য কী বিষয়গুলিতে ব্যবহৃত হয়? ওরসিনি এট আল। 2021 ।

ডেটাসেটগুলি ধাপ এবং পর্বগুলি উপস্থাপন করতে RLDS ফর্ম্যাট অনুসরণ করে

• হোমপেজ : https://github.com/google-research/rlds

• সোর্স কোড : tfds.rlds.datasets.locomotion.Locomotion

• সংস্করণ :

  • 1.0.0 (ডিফল্ট): প্রাথমিক প্রকাশ।

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

• চিত্র ( tfds.show_examples ): সমর্থিত নয়।

• উদ্ধৃতি :

@article{orsini2021matters,
  title={What Matters for Adversarial Imitation Learning?},
  author={Orsini, Manu and Raichuk, Anton and Hussenot, L{'e}onard and Vincent, Damien and Dadashi, Robert and Girgin, Sertan and Geist, Matthieu and Bachem, Olivier and Pietquin, Olivier and Andrychowicz, Marcin},
  journal={International Conference in Machine Learning},
  year={2021}
}

locomotion/ant_sac_1M_single_policy_stochastic (ডিফল্ট কনফিগারেশন)

• কনফিগারেশনের বিবরণ : পিঁপড়ার জন্য 1M ধাপের জন্য প্রশিক্ষিত একটি SAC এজেন্ট দ্বারা তৈরি ডেটাসেট।

• ডাউনলোড সাইজ : 6.49 MiB

• ডেটাসেটের আকার : 23.02 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	50

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(8,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(111,), dtype=float32),
        'reward': float32,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(8,)	float32
পদক্ষেপ/ছাড়	টেনসর		float32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	টেনসর	(111,)	float32
পদক্ষেপ/পুরস্কার	টেনসর		float32

• উদাহরণ ( tfds.as_dataframe ):

locomotion/hopper_sac_1M_single_policy_stochastic

• কনফিগারেশনের বিবরণ : হপারের জন্য 1M ধাপের জন্য প্রশিক্ষিত একটি SAC এজেন্ট দ্বারা উত্পন্ন ডেটাসেট।

• ডাউনলোড সাইজ : 2.26 MiB

• ডেটাসেটের আকার : 2.62 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	50

• বৈশিষ্ট্য গঠন :

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,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(৩,)	float32
পদক্ষেপ/ছাড়	টেনসর		float32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	টেনসর	(১১,)	float32
পদক্ষেপ/পুরস্কার	টেনসর		float32

• উদাহরণ ( tfds.as_dataframe ):

locomotion/halfcheetah_sac_1M_single_policy_stochastic

• কনফিগারেশনের বিবরণ : হাফচিতা-এর জন্য 1M ধাপের জন্য প্রশিক্ষিত একটি SAC এজেন্ট দ্বারা তৈরি ডেটাসেট।

• ডাউনলোড সাইজ : 4.49 MiB

• ডেটাসেটের আকার : 4.93 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	50

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(6,)	float32
পদক্ষেপ/ছাড়	টেনসর		float32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	টেনসর	(17,)	float32
পদক্ষেপ/পুরস্কার	টেনসর		float32

• উদাহরণ ( tfds.as_dataframe ):

locomotion/walker2d_sac_1M_single_policy_stochastic

• কনফিগারেশনের বিবরণ : Walker2d-এর জন্য 1M ধাপের জন্য প্রশিক্ষণপ্রাপ্ত SAC এজেন্ট দ্বারা তৈরি ডেটাসেট।

• ডাউনলোড সাইজঃ 4.35 MiB

• ডেটাসেটের আকার : 4.91 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	50

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(6,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(17,), dtype=float32),
        'reward': float32,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(6,)	float32
পদক্ষেপ/ছাড়	টেনসর		float32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	টেনসর	(17,)	float32
পদক্ষেপ/পুরস্কার	টেনসর		float32

• উদাহরণ ( tfds.as_dataframe ):

locomotion/humanoid_sac_15M_single_policy_stochastic

• কনফিগারেশনের বিবরণ : হিউম্যানয়েডের জন্য 15M ধাপের জন্য প্রশিক্ষণপ্রাপ্ত একটি SAC এজেন্ট দ্বারা উত্পন্ন ডেটাসেট।

• ডাউনলোড সাইজ : 192.78 MiB

• ডেটাসেটের আকার : 300.94 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): না

• বিভাজন :

বিভক্ত	উদাহরণ
'train'	200

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'steps': Dataset({
        'action': Tensor(shape=(17,), dtype=float32),
        'discount': float32,
        'is_first': bool,
        'is_last': bool,
        'is_terminal': bool,
        'observation': Tensor(shape=(376,), dtype=float32),
        'reward': float32,
    }),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
পদক্ষেপ	ডেটাসেট
পদক্ষেপ/ক্রিয়া	টেনসর	(17,)	float32
পদক্ষেপ/ছাড়	টেনসর		float32
steps/is_first	টেনসর		bool
ধাপ/শেষ_শেষ	টেনসর		bool
steps/is_terminal	টেনসর		bool
পদক্ষেপ/পর্যবেক্ষণ	টেনসর	(376,)	float32
পদক্ষেপ/পুরস্কার	টেনসর		float32

• উদাহরণ ( tfds.as_dataframe ):