有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
jat-project/jat-dataset-tokenized|强化学习数据集|模仿学习数据集
收藏hugging_face2023-12-22 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/jat-project/jat-dataset-tokenized
下载链接
链接失效反馈资源简介：
该数据集包含多个Atari游戏的配置，每个配置详细记录了游戏的图像观察、奖励、离散动作、注意力掩码和损失权重等特征。数据集分为训练和测试两个部分，提供了每个部分的详细字节数和样本数。
提供机构：
jat-project
原始信息汇总
数据集概述
该数据集包含多个配置，每个配置对应不同的Atari游戏。以下是各配置的详细信息：
配置列表
-
atari-alien
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为51686398456，样本数为14134test: 字节数为5412188320，样本数为1480
- 下载大小：847071867字节
- 数据集大小：57098586776字节
- 特征：
-
atari-amidar
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为52362921996，样本数为14319test: 字节数为4808802460，样本数为1315
- 下载大小：645217608字节
- 数据集大小：57171724456字节
- 特征：
-
atari-assault
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为52757865468，样本数为14427test: 字节数为4421172756，样本数为1209
- 下载大小：253415283字节
- 数据集大小：57179038224字节
- 特征：
-
atari-asterix
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为52863915104，样本数为14456test: 字节数为5137922020，样本数为1405
- 下载大小：293282697字节
- 数据集大小：58001837124字节
- 特征：
-
atari-asteroids
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为52468971632，样本数为14348test: 字节数为3605687624，样本数为986
- 下载大小：316908651字节
- 数据集大小：56074659256字节
- 特征：
-
atari-atlantis
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为52384863300，样本数为14325test: 字节数为3975032908，样本数为1087
- 下载大小：274032418字节
- 数据集大小：56359896208字节
- 特征：
-
atari-bankheist
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为51807075628，样本数为14167test: 字节数为5836386864，样本数为1596
- 下载大小：879900687字节
- 数据集大小：57643462492字节
- 特征：
-
atari-battlezone
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为51126895204，样本数为13981test: 字节数为6092368744，样本数为1666
- 下载大小：530266996字节
- 数据集大小：57219263948字节
- 特征：
-
atari-beamrider
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为49155834728，样本数为13442test: 字节数为7880585020，样本数为2155
- 下载大小：427025312字节
- 数据集大小：57036419748字节
- 特征：
-
atari-berzerk
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为49492268056，样本数为13534test: 字节数为6172820192，样本数为1688
- 下载大小：351445377字节
- 数据集大小：55665088248字节
- 特征：
-
atari-bowling
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为51598633240，样本数为14110test: 字节数为5898553892，样本数为1613
- 下载大小：163624131字节
- 数据集大小：57497187132字节
- 特征：
-
atari-boxing
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为53178407128，样本数为14542test: 字节数为5883926356，样本数为1609
- 下载大小：662704435字节
- 数据集大小：59062333484字节
- 特征：
-
atari-breakout
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为49272855016，样本数为13474test: 字节数为6611646272，样本数为1808
- 下载大小：265049647字节
- 数据集大小：55884501288字节
- 特征：
-
atari-centipede
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为51913125264，样本数为14196test: 字节数为6026544832，样本数为1648
- 下载大小：269104472字节
- 数据集大小：57939670096字节
- 特征：
-
atari-choppercommand
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为48991274948，样本数为13397test: 字节数为7156521988，样本数为1957
- 下载大小：425086559字节
- 数据集大小：56147796936字节
- 特征：
-
atari-crazyclimber
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为51291454984，样本数为14026test: 字节数为5712052808，样本数为1562
- 下载大小：458314909字节
- 数据集大小：57003507792字节
- 特征：
-
atari-defender
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为49382561536，样本数为13504test: 字节数为6172820192，样本数为1688
- 下载大小：217534779字节
- 数据集大小：55555381728字节
- 特征：
-
atari-demonattack
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为49364277116，样本数为13499test: 字节数为6172820192，样本数为1688
- 下载大小：209141226字节
- 数据集大小：55537097308字节
- 特征：
-
atari-doubledunk
- 特征：
image_observations: 多层序列，最终类型为float32rewards: 序列，类型为float32discrete_actions: 序列，类型为int64attention_mask: 序列，类型为int8loss_weight: 序列，类型为float32
- 分割：
train: 字节数为52264186128，样本数为14292test: 字节数为5799818024，样本数为1586
- 下载大小：585265286字节
- 数据集大小：58064004152字节
- 特征：
-
atari-enduro
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
GME Data
关于2021年GameStop股票活动的数据，包括每日合并的GME短期成交量数据、每日失败交付数据、可借股数、期权链数据以及不同时间框架的开盘/最高/最低/收盘/成交量条形图。
github 收录
flames-and-smoke-datasets
该仓库总结了多个公开的火焰和烟雾数据集，包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述，包括数据来源、图像数量、标注信息等。
github 收录
Breast Cancer Dataset
该项目专注于清理和转换一个乳腺癌数据集，该数据集最初由卢布尔雅那大学医学中心肿瘤研究所获得。目标是通过应用各种数据转换技术（如分类、编码和二值化）来创建一个可以由数据科学团队用于未来分析的精炼数据集。
github 收录
MedChain
MedChain是由香港城市大学、香港中文大学、深圳大学、阳明交通大学和台北荣民总医院联合创建的临床决策数据集，包含12,163个临床案例，涵盖19个医学专科和156个子类别。数据集通过五个关键阶段模拟临床工作流程，强调个性化、互动性和顺序性。数据来源于中国医疗网站“iiYi”，经过专业医生验证和去识别化处理，确保数据质量和患者隐私。MedChain旨在评估大型语言模型在真实临床场景中的诊断能力，解决现有基准在个性化医疗、互动咨询和顺序决策方面的不足。
arXiv 收录
Traditional-Chinese-Medicine-Dataset-SFT
该数据集是一个高质量的中医数据集，主要由非网络来源的内部数据构成，包含约1GB的中医各个领域临床案例、名家典籍、医学百科、名词解释等优质内容。数据集99%为简体中文内容，质量优异，信息密度可观。数据集适用于预训练或继续预训练用途，未来将继续发布针对SFT/IFT的多轮对话和问答数据集。数据集可以独立使用，但建议先使用配套的预训练数据集对模型进行继续预训练后，再使用该数据集进行进一步的指令微调。数据集还包含一定比例的中文常识、中文多轮对话数据以及古文/文言文<->现代文翻译数据，以避免灾难性遗忘并加强模型表现。
huggingface 收录