Minari CLI命令行完全手册：list、download、show、combine完整命令清单-北京尧图网络

【免费下载链接】MinariA standard format for offline reinforcement learning datasets, with popular reference datasets and related utilities项目地址https://gitcode.com/gh_mirrors/mi/Minari点击查看免费下载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 CLIMinari 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 listlocal/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.mdCLI 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 代码赞分享【免费下载链接】MinariA standard format for offline reinforcement learning datasets, with popular reference datasets and related utilities项目地址https://gitcode.com/gh_mirrors/mi/Minari点击查看免费下载相关推荐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

Minari CLI命令行完全手册：list、download、show、combine完整命令清单

相关推荐

3ds Max+Vray环境艺术效果图制作：从基础设置到渲染出图全流程规范

3ds Max+V-Ray环境艺术教程：软件概述与系统设置全攻略

AlexNet-BC：乳腺癌病理图像分类的经典骨架改造与实战要点

更多资讯

序列化从本质到实践：跨语言兼容性与性能优化指南

Kepware反向当OPC DA Client：老系统接入新架构的完整配置指南

Navicat for MySQL绿色版免安装部署与连接备份避坑指南

Cursor实战：自然语言驱动开发与意图式调试工作流

REA业务建模实战：用资源、事件、参与者化解业务与财务口径冲突

DBSCAN聚类在MATLAB仿真中的原理、实现与调参避坑指南

今日更新

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？