基础信息
该页面用于展示 halfcheetah_medium-v2.hdf5 的基础信息、字段结构、CSV 预览及数据分布图。页面默认读取 media/datainfo 下的分析产物。
| 数据集文件名 | halfcheetah_medium-v2.hdf5 |
|---|---|
| 数据集场景 | halfcheetah-medium-v2 |
| 数据类型 | 离线强化学习数据集 |
| 状态信息个数 | 17 |
| 动作信息个数 | 6 |
| 表格总列数 | 25 |
| 表格总行数 | 1000000 |
| 文件存放位置 | .\media\datainfo |
已准备好的文件
分析图片
observations_subplots.png
actions_subplots.png
reward_terminal_subplots.png
点击图片可以放大查看；点空白处或按 ESC 可以关闭大图。
CSV 内容预览
| obs_0 | obs_1 | obs_2 | obs_3 | obs_4 | obs_5 | obs_6 | obs_7 | obs_8 | obs_9 | obs_10 | obs_11 | obs_12 | obs_13 | obs_14 | obs_15 | obs_16 | act_0 | act_1 | act_2 | act_3 | act_4 | act_5 | reward | terminal |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0.019831914 | -0.089501314 | -0.0031969063 | -0.036015816 | 0.066198416 | -0.09322933 | 0.060390532 | -0.08753889 | -0.018776078 | -0.16759904 | -0.07047922 | 0.07015167 | 0.0302026 | 0.055026464 | 0.11365079 | 0.06842492 | -0.13811582 | -0.22293739 | -0.7359478 | -0.8599511 | 0.29579234 | -0.8416547 | 0.43432042 | -0.20008013 | 0.0 |
| -0.0038486063 | -0.05239432 | 0.008305033 | -0.25620908 | -0.29927862 | 0.09239996 | -0.33266103 | 0.08740087 | -0.019692373 | -0.7215125 | 0.9559706 | -0.53302956 | -5.454581 | -8.709041 | 4.5068407 | -9.288557 | 4.7328596 | -0.72515714 | -0.9237766 | -0.9887563 | -0.5074778 | -0.931533 | 0.9786059 | -1.1981525 | 0.0 |
| -0.055298433 | -7.7850236e-05 | -0.23952831 | -0.47309932 | -0.43302038 | -0.08347724 | -0.5564768 | 0.46180025 | -1.0190138 | -1.2830418 | 0.8685812 | -6.456269 | -3.183431 | 0.9349661 | -7.0811687 | -1.4037068 | 7.552405 | 0.85085297 | 0.4005884 | -0.9951021 | -0.9082174 | -0.9951816 | 0.74173075 | -0.69075197 | 0.0 |
| -0.12996776 | 0.0022959358 | -0.22985412 | -0.24506849 | -0.421798 | -0.47994965 | -0.4462107 | 0.49182144 | 0.2714049 | -1.6106585 | -0.24517862 | 5.022523 | 7.442182 | 0.0015885988 | -7.01441 | 2.6917322 | -1.6729002 | 0.97592026 | -0.34606597 | 0.94268423 | -0.9707508 | -0.8918655 | -0.89223915 | 0.2682023 | 0.0 |
| -0.13211937 | 0.12825453 | -0.11419714 | -0.4127173 | -0.35555848 | -0.76192 | -0.3654395 | -0.08646963 | 1.2587897 | 0.44644415 | 3.087174 | 3.737456 | -4.799259 | 4.942616 | -3.0053906 | 0.1782225 | -15.0525875 | -0.8421573 | -0.6359735 | -0.98595387 | 0.21170099 | 0.77783215 | 0.36130708 | 1.1128312 | 0.0 |
| -0.12636696 | 0.16199937 | -0.13743004 | -0.26031467 | -0.36381644 | -0.41579533 | -0.000111933085 | -0.4257694 | 1.5003949 | -0.14606176 | -0.05747528 | -2.2757354 | 4.9753094 | -2.307276 | 10.427772 | 10.509973 | -0.29150343 | -0.9655438 | -0.99945205 | -0.9728637 | 0.96620613 | 0.7012421 | 0.2593249 | 0.90088403 | 0.0 |
| -0.12975472 | 0.08826717 | -0.2799968 | -0.2532647 | -0.42116532 | 0.14782758 | -0.16478486 | -0.5021658 | 1.3136882 | -0.105411336 | -2.0056245 | -3.0112424 | -2.9570563 | 0.44427294 | 12.490645 | -2.4686544 | 2.449348 | -0.9959171 | -0.9829619 | -0.9607513 | 0.5340196 | -0.523801 | 0.72127736 | 0.6158797 | 0.0 |
| -0.15528427 | -0.00775645 | -0.45483175 | -0.492662 | -0.41716048 | 0.58928347 | -0.22938691 | 0.06800824 | 0.8532702 | -0.7573493 | -2.1379895 | -3.5607035 | -4.7117133 | -0.06404325 | 5.4762077 | 0.35557714 | 14.544611 | 0.48877475 | -0.35268104 | -0.9899249 | -0.29905495 | -0.94985974 | -0.48150468 | 0.6835481 | 0.0 |
这里只是预览，完整内容请下载 CSV 文件查看。
原始数据里有哪些内容
这一部分说明原始数据文件里都存了什么，以及导出成 CSV 后分别放在哪些列中。 看懂这一页后，就能知道后面的训练代码到底在读取哪些数据。
| 原始字段名 | 在 CSV 里的位置 | 数据大小说明 | 这部分表示什么 | 哪些算法会用到 |
|---|---|---|---|---|
observations |
obs_0 ~ obs_16 | [N, 17] | 环境状态向量，共 17 维 | 全部算法 |
actions |
act_0 ~ act_5 | [N, 6] | 动作向量，共 6 维，范围通常在 [-1, 1] | 全部算法 |
rewards |
reward | [N] | 每一步对应奖励值 | CQL / SAC / TD3 / DDPG 系列 |
next_observations |
未导出到当前 CSV | [N, 17] | 下一时刻状态，属于 transition 信息 | CQL / SAC / TD3 / DDPG 系列 |
terminals |
terminal | [N] | 轨迹终止标记，0/1 | CQL / SAC / TD3 / DDPG 系列 |
导出表格怎么分块
| 分组名称 | 列名前缀 | 列数 | 列范围 | 说明 |
|---|---|---|---|---|
| Observation 列 | obs_ |
17 | obs_0 ~ obs_16 | 对应 HDF5 中的 observations |
| Action 列 | act_ |
6 | act_0 ~ act_5 | 对应 HDF5 中的 actions |
| Reward 列 | reward |
1 | reward | 对应 HDF5 中的 rewards |
| Terminal 列 | terminal |
1 | terminal | 对应 HDF5 中的 terminals |
算法一般会读取哪些内容
| 算法 | 通常需要的数据 |
|---|---|
| BC / BC_NB | observations, actions |
| CQL / CQL_NB | observations, actions, rewards, next_observations, terminals |
| SAC / SAC_NB | observations, actions, rewards, next_observations, terminals |
| TD3 / TD3_NB | observations, actions, rewards, next_observations, terminals |
| DDPG 家族 | observations, actions, rewards, next_observations, terminals |
简单理解：有的算法只需要“状态和动作”，有的还需要“奖励、下一步状态、是否结束”。
