【免费下载链接】Minari
A standard format for offline reinforcement learning datasets, with popular reference datasets and related utilities
Minari 是离线强化学习(Offline Reinforcement Learning)数据集的标准格式工具,其配套的Minari CLI命令行工具让你无需编写任何 Python 代码,就能完成数据集的查询、下载、详情查看与合并。本文带你快速上手list、download、show、combine等常用命令,几分钟内就能把 D4RL 等经典离线数据集下载到本地。
5分钟上手:安装 Minari CLI
Minari CLI 基于 Typer 中的minari = "minari.cli:app")。
# 安装 Minari $ pip install minari # 查看版本 $ minari --version Minari version: 0.5.0 # 查看所有可用命令 $ minari --helpminari --help会列出全部 6 个命令:combine、delete、download、list、show、upload。
💡 所有数据集默认存储在
~/.minari/datasets/目录,可通过环境变量MINARI_DATASETS_PATH自定义;远程仓库默认指向hf://farama-minari,可通过环境变量MINARI_REMOTE切换,配置逻辑见 minari/storage/local.py 与 minari/storage/remotes/init.py。
minari list:一键查看本地与远程数据集清单
minari list命令会以彩色表格展示数据集清单,包含名称、Episode 总数、Step 总数、文件大小和作者五列:
# 查看本地数据集 $ minari list local # 查看远程服务器上的数据集 $ minari list remote两个实用选项:
| 选项 | 作用 |
|---|---|
--all/-a | 显示所有版本(含与当前 Minari 版本不兼容的版本),默认只显示最新版本 |
--prefix/-p | 按命名空间前缀过滤,例如--prefix D4RL/pen只看 D4RL 的 pen 系列 |
以 pen 系列为例,你会看到D4RL/pen/cloned-v2、D4RL/pen/expert-v2、D4RL/pen/human-v2三个数据集——它们来自经典的 Adroit 灵巧手抓笔任务,数据集对应的环境画面如下(show命令里查看到的 Observation/Action Space 正对应这个环境):
minari show:快速查看数据集完整详情
minari show支持本地和远程两种数据集,一条命令输出数据集描述、元信息(总步数、总集数、算法、作者、Minari 版本)以及完整的环境规格(ID、观测空间、动作空间、最大步数等):
$ minari show D4RL/pen/expert-v2它会自动优先在本地查找,找不到再去远程服务器检索,逻辑见 minari/cli.py 中的show命令。
minari download:快速下载远程数据集
minari download把 Farama 远程服务器上的数据集下载到本地:
# 下载单个数据集 $ minari download D4RL/pen/cloned-v2下载前 CLI 会做多重检查(兼容版本、版本是否存在等),若本地已存在同名数据集会弹出确认提示。想跳过所有检查直接覆盖下载时,加上--force短选项-f:
$ minari download D4RL/door/human-v2 --force核心下载与版本兼容逻辑实现在 minari/storage/hosting.py 的download_dataset函数中。
minari combine:一键合并多个数据集
当同一个任务有多个版本(如 expert、human、cloned)的数据集时,minari combine能把它们合并成一个新的数据集,至少需要 2 个本地数据集,并用--dataset-name指定新数据集的 ID:
$ minari combine D4RL/pen/cloned-v2 D4RL/pen/expert-v2 D4RL/pen/human-v2 \ --dataset-name D4RL/pen/all-v2命令执行成功后会提示:The datasets [...] were successfully combined into D4RL/pen/all-v2!。合并后的数据集下载时还会递归拉取其子数据集,方便直接投入训练——例如用合并后的数据训练 IQL 算法,即可得到如下训练曲线:
delete 与 upload:两个补充命令
minari delete DATASETS:删除本地数据集,执行前会先展示待删除清单并要求二次确认,避免误删(实现见 minari/cli.py)。minari upload DATASETS --key-path KEY_FILE:把本地数据集上传到远程服务器,需先联系 Farama 团队获取授权,密钥路径通过--key-path传入。
Minari CLI 常用命令速查表
| 命令 | 常用参数 | 用途 |
|---|---|---|
minari list | local/remote、-a、-p | 查看本地或远程数据集表格 |
minari show | — | 查看数据集详情与环境规格 |
minari download | -f/--force | 下载远程数据集 |
minari combine | --dataset-name | 合并多个本地数据集 |
minari delete | — | 删除本地数据集(带确认) |
minari upload | --key-path | 上传数据集到远程服务器 |
minari --version | -v | 查看当前安装版本 |
相关源码与文档入口
- CLI 全部命令实现:minari/cli.py
- 本地数据集管理(列表/加载/删除):minari/storage/local.py
- 远程下载、上传与版本兼容检查:minari/storage/hosting.py
- 官方 CLI 文档(含完整输出示例):docs/content/minari_cli.md
- CLI 集成测试用例:tests/test_cli.py
掌握以上命令后,你就可以在终端里流畅地完成离线强化学习数据集的「查询 → 下载 → 检查 → 合并」全流程,无需再写一行 Python 代码 🚀
【免费下载链接】Minari
A standard format for offline reinforcement learning datasets, with popular reference datasets and related utilities
相关推荐
AutoClip CLI命令速查手册:run、list、show、export、doctor全参数解析
AutoClip CLI命令速查手册:run、list、show、export、doctor全参数解析 AutoClip 是一款 AI 视频剪辑与高光生成工具
人工智能AI 应用大模型音视频短视频后端前端桌面应用Gemini CLI 命令行参考:命令、选项与子命令的完整实战手册
Gemini CLI 命令行参考:命令、选项与子命令的完整实战手册 本文以 Gemini CLI 官方文档中的命令行速查表为骨架,系统梳理 gemini 的启动
人工智能AI Agent交互助手CLIMCP ClientsUmi-OCR 上手指南:从屏幕到批量图片,免费做本地 OCR 文字识别
Umi OCR 上手指南:从屏幕到批量图片,免费做本地 OCR 文字识别 这款开源的 OCR 工具 Umi OCR 完全免费,识别全程离线:引擎内置在程序里,图
OCR桌面应用
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考