Trang này được dịch bởi Cloud Translation API.

sự vận động

Mô tả :

Các tập dữ liệu được tạo với một đặc vụ SAC được đào tạo về phần thưởng môi trường của các nhiệm vụ vận động MuJoCo. Những bộ dữ liệu này được sử dụng trong vấn đề gì đối với việc học bắt chước đối phương? Orsini và cộng sự. Năm 2021 .

Bộ dữ liệu tuân theo định dạng RLDS để biểu thị các bước và các tập.

Trang chủ : https://github.com/google-research/rlds
Mã nguồn : tfds.rlds.locomotion.Locomotion
Các phiên bản :
- 1.0.0 (mặc định): Bản phát hành ban đầu.
Khóa được giám sát (Xem as_supervised doc ): None
Hình ( tfds.show_examples ): Không được hỗ trợ.
Trích dẫn :

@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 (cấu hình mặc định)

Mô tả cấu hình : Tập dữ liệu được tạo bởi một nhân viên SAC được đào tạo cho 1 triệu bước cho Ant.
Kích thước tải xuống : 6.49 MiB
Kích thước tập dữ liệu : 23.02 MiB
Tự động lưu vào bộ nhớ đệm ( tài liệu ): Có
Tách :

Tách ra	Các ví dụ
`'train'`	50

Cấu trúc tính năng :

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

Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Loại
	Các tính năng
các bước	Dataset
các bước / hành động	Tensor	(số 8,)	tf.float32
bước / chiết khấu	Tensor		tf.float32
bước / is_first	Tensor		tf.bool
bước / is_last	Tensor		tf.bool
step / is_terminal	Tensor		tf.bool
các bước / quan sát	Tensor	(111,)	tf.float32
bước / phần thưởng	Tensor		tf.float32

Ví dụ ( tfds.as_dataframe ):

locomotion / hopper_sac_1M_single_policy_stochastic

Mô tả cấu hình : Tập dữ liệu được tạo bởi một nhân viên SAC được đào tạo cho 1 triệu bước cho Hopper.
Kích thước tải xuống : 2.26 MiB
Kích thước tập dữ liệu : 2.62 MiB
Tự động lưu vào bộ nhớ đệm ( tài liệu ): Có
Tách :

Tách ra	Các ví dụ
`'train'`	50

Cấu trúc tính năng :

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,
    }),
})

Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Loại
	Các tính năng
các bước	Dataset
các bước / hành động	Tensor	(3,)	tf.float32
bước / chiết khấu	Tensor		tf.float32
bước / is_first	Tensor		tf.bool
bước / is_last	Tensor		tf.bool
step / is_terminal	Tensor		tf.bool
các bước / quan sát	Tensor	(11,)	tf.float32
bước / phần thưởng	Tensor		tf.float32

Ví dụ ( tfds.as_dataframe ):

locomotion / halfcheetah_sac_1M_single_policy_stochastic

Mô tả cấu hình : Tập dữ liệu được tạo bởi một nhân viên SAC được đào tạo cho 1 triệu bước cho HalfCheetah.
Kích thước tải xuống : 4.49 MiB
Kích thước tập dữ liệu : 4.93 MiB
Tự động lưu vào bộ nhớ đệm ( tài liệu ): Có
Tách :

Tách ra	Các ví dụ
`'train'`	50

Cấu trúc tính năng :

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

Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Loại
	Các tính năng
các bước	Dataset
các bước / hành động	Tensor	(6,)	tf.float32
bước / chiết khấu	Tensor		tf.float32
bước / is_first	Tensor		tf.bool
bước / is_last	Tensor		tf.bool
step / is_terminal	Tensor		tf.bool
các bước / quan sát	Tensor	(17,)	tf.float32
bước / phần thưởng	Tensor		tf.float32

Ví dụ ( tfds.as_dataframe ):

locomotion / walker2d_sac_1M_single_policy_stochastic

Mô tả cấu hình : Tập dữ liệu được tạo bởi một nhân viên SAC được đào tạo cho 1 triệu bước cho Walker2d.
Kích thước tải xuống : 4.35 MiB
Kích thước tập dữ liệu : 4.91 MiB
Tự động lưu vào bộ nhớ đệm ( tài liệu ): Có
Tách :

Tách ra	Các ví dụ
`'train'`	50

Cấu trúc tính năng :

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

Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Loại
	Các tính năng
các bước	Dataset
các bước / hành động	Tensor	(6,)	tf.float32
bước / chiết khấu	Tensor		tf.float32
bước / is_first	Tensor		tf.bool
bước / is_last	Tensor		tf.bool
step / is_terminal	Tensor		tf.bool
các bước / quan sát	Tensor	(17,)	tf.float32
bước / phần thưởng	Tensor		tf.float32

Ví dụ ( tfds.as_dataframe ):

locomotion / humanoid_sac_15M_single_policy_stochastic

Mô tả cấu hình : Tập dữ liệu được tạo bởi một đặc vụ SAC được đào tạo trong 15 triệu bước cho Hình người.
Kích thước tải xuống : 192.78 MiB
Kích thước tập dữ liệu: 300.94 MiB
Tự động lưu vào bộ nhớ đệm ( tài liệu ): Không
Tách :

Tách ra	Các ví dụ
`'train'`	200

Cấu trúc tính năng :

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

Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Loại
	Các tính năng
các bước	Dataset
các bước / hành động	Tensor	(17,)	tf.float32
bước / chiết khấu	Tensor		tf.float32
bước / is_first	Tensor		tf.bool
bước / is_last	Tensor		tf.bool
step / is_terminal	Tensor		tf.bool
các bước / quan sát	Tensor	(376,)	tf.float32
bước / phần thưởng	Tensor		tf.float32

Ví dụ ( tfds.as_dataframe ):