ML-Agents 首次测试

最新推荐文章于 2024-07-11 19:29:47 发布
最新推荐文章于 2024-07-11 19:29:47 发布
阅读量186 收藏
点赞数
分类专栏： AI/ML/OPENCV
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ldghd/article/details/103238070
版权

本篇文章的前提是，已经正确搭建和配置开发环境，详情可了解：ML-Agents 详细环境搭建流程

激活环境

管理员身份打开Anaconda Prompt，激活训练环境：

activate ml-agents

利用Jupyter Notebook测试环境配置正确性（可选）

jupyter notebook

打开浏览器，打开端口http://localhost:8888/，在此页面你可以创建和共享实时代码，方程式，可视化和说明文本的文档。

开启环境训练

命令行工具进入ml-agents-0.11.0根目录，执行：

mlagents-learn config/trainer_config.yaml --run-id=firstRun --train

此时，如果无任何异常情况，可运行Unity场景，进行训练。

利用TensorBoard查看训练效果 

tensorboard --logdir=summaries

打开浏览器，打开端口http://localhost:6006/，就能看到训练信息了


 

 

夜色。
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
DQN-using-PyTorch和ML-Agents：如何使用PyTorch和ML-Agents环境实现基于矢量的DQN的简单示例
02-06
使用PyTorch和Unity ML-Agent进行深度Q网络（DQN）强化学习一个简单的示例，说明如何使用PyTorch和ML-Agents环境实现基于矢量的DQN。 深度强化学习（DRL）中的Udacity Danaodgree项目该存储库包含以下与DQN相关的...
ml-agents:Unity机器学习代理工具包
05-10
Unity ML-Agents工具包 （）（） Unity Machine Learning Agents工具包（ML-Agents）是一个开放源代码项目，使游戏和模拟能够用作训练智能代理的环境。 我们提供最新算法的实现（基于PyTorch），使游戏开发人员和...
ML-Agents 创建一个新的训练环境 【ML-Agents 官方文档翻译（ML-Agent 1.9.1，Unity 2018-2020）】
FutaAlice的博客
11-18 4002
Making a New Learning Environment 本教程将从头开始创建一个 Unity Environment，以用于训练 Reinforcement Learning（强化学习）Agent。 建议先阅读Getting Started，以便理解构建 Environment 用到的原理。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZA9IexFG-1637221255733)(images/mlagents-NewTutSplash.png)] 在本节示例
Unity ML-Agents 之 环境的搭建，以及的 demo 测试
仙魁XAN
10-28 4675
目录 Unity ML-Agents 之 环境的搭建，以及的 demo 测试 一、ML-Agents 介绍 二、环境要求 三、配置GPU训练环境 四、安装Anaconda和Python 3 搭建步骤 五、ml-agent 环境配置 六、在Unity中进行使用 七、查看训练数据 八、报错处理 Unity ML-Agents 之 环境的搭建，以及的 demo 测试 一...
ml-agents0.7_ML-Agents Toolkit v0.5，现已提供给AI研究人员的新资源
culiao6493的博客
09-08 221
ml-agents0.7We are committed to working to help make Unity the go-to platform for Artificial Intelligence (AI) research. In the past few weeks, we’ve seen research groups taking notice, with OpenAI us...
nuPlan 是一个针对自动驾驶车辆的闭环机器学习（ML-based）规划基准测试
真诚的灰灰的博客
07-11 792
在这项研究中，我们首次提出了一个闭环的基于机器学习的自动驾驶规划基准测试。尽管基于机器学习的运动规划器日益增多，但缺乏成熟的数据集和评价指标限制了该领域的发展。现有的自动驾驶车辆运动预测基准主要集中在短期运动预测上，而不是长期规划。这导致以往的研究采用基于 L2 指标的开环评估，这并不适用于长期规划的公正评价。我们的基准测试通过引入大规模的驾驶数据集、轻量级的闭环模拟器和专门针对运动规划的度量标准来克服这些限制。
人工智能-开源大语言模型完整列表
软件开发实战项目分享
06-11 405
Large Language Model (LLM) 即大规模语言模型，是一种基于深度学习的自然语言处理模型，它能够学习到自然语言的语法和语义，从而可以生成人类可读的文本。所谓"语言模型"，就是只用来处理语言文字（或者符号体系）的 AI 模型，发现其中的规律，可以根据提示 (prompt)，自动生成符合这些规律的内容。LLM 通常基于神经网络模型，使用大规模的语料库进行训练，比如使用互联网上的海量文本数据。
Take with pro-pb
To be a better man
04-03 369
GAN（Generative Adversarial Networks）是一种深度学习的技术，也被称为“生成式对抗网络”或“生成对抗网络”。GAN由两个神经网络组成，一个是生成器网络，另一个是判别器网络。生成器网络用于生成虚拟样本，而判别器网络则用于判别真实样本和虚拟样本的区别。这两个网络通过对抗的方式进行训练，最终生成出具有真实性的虚拟样本。GAN是一种非监督式学习的方法，不需要标记的数据。它的应用领域非常广泛，包括图像生成、语音合成、自然语言处理、视频生成等等。
多领域多轮问答调研报告3
weixin_44385551的博客
11-21 2418
多领域多轮问答调研报告2 目录多领域多轮问答调研报告2一、相关背景1. 单领域2. 多领域二、模式设计三、数据集收集1. 技术综述2.MultiWOZ：3.SGD四、多领域对话状态跟踪研究：4.1 综述4.1 模式引导范式五、前景分析 一、相关背景 1. 单领域 所谓的多领域，是对传统的单领域而言的。 单领域，或者说限定域面向任务/目标型的问答机器人，在学术和工业界目前已经取得了极大的发展，其基本...
在CentOS 7部署配置OpenStack Juno(ml2+vlan)版ALLINONE环境
新梦易明
01-17 8578
OpenStack Juno版本有11个核心组件，在本次测试过程中部署8个核心组件，认证服务组件(Keystone)，镜像管理服务组件(Glance，后端采用File模式)，网络服务组件(Neutron，采用ml2+vlan模式)，计算服务组件(Nova)，块存储服务组件(Cinder，后端采用LVM)，WebUI管理服务组件(Horizon)，计量服务组件(Ceilometer)，编配组件(Heat)。 部署测试基于官方文档，采用step by step的方式安装配置并修改添加了官方文档中不明确或不包含的
机器学习(ML)、深度学习（DL）和图像处理（opencv）专用英语词典
热门推荐
wyx100的专栏
07-07 2万+
机器学习(ML)、深度学习（DL）和图像处理（opencv）专用英语词典 百度翻译 http://fanyi.baidu.com/ A AAN （Active Appearance Model）主动外观模型 Adam(adaptive moment estimation,适应性矩估计),Adam是一种可以替代传统随机梯度下降过程的一阶优化算法，它能基于训练数据迭代地更新神经网络权重。Ad...
ml-agents-master
06-26
Ml-agents 是 Unity 机器学习 Agent，它可以让研究人员和开发者用 Unity 编辑器创建游戏和仿真实验。这些编辑器能够通过简单易用的 Python API 使用强化学习或者其他机器学习模型来训练智能 Agent,github上下载不了...
ML-agents_meshes.zip
03-25
《Unity ML-Agents与网格资源的深度探索》 Unity ML-Agents是一个强大的开源工具包，它将机器学习（Machine Learning，简称ML）引入到Unity游戏引擎中，为开发者提供了一种创建智能代理（Agents）的方法。这些智能...
ml-agents-0.14.0.zip
02-18
Unity ML-Agents 是 Unity 的机器学习代理工具 The Unity Machine Learning Agents Toolkit (ML-Agents) is an open-source Unity plugin that enables games and simulations to serve as environments for ...
基于Springboot和Vue的数码论坛系统设计与实现-源码 数码论坛系统设计与实现代码（高分毕设）
最新发布
07-24
数码论坛系统设计与实现-源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！ 系统源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！ 系统源码（高分毕设），个人经导师指导并认可通过的98分毕业设计项目，主要针对计算机相关专业的正在做毕设的学生和需要项目实战练习的学习者。也可作为课程设计、期末大作业。包含全部项目源码[代码]、该项目可以直接作为毕设使用。项目技术栈：前端是vue，后端是springboot，项目代码都经过严格调试，代码没有任何bug！
java程序设计—JAVA局域网飞鸽传书软件设计与实现(源代码+论文)43.rar
07-24
java程序设计，可供正在学习的同学研究参考。
年终总结汇报PPT模板(20)三套材料.pptx
07-24
年终总结汇报PPT模板(20)三套材料.pptx
ListView侧边A-Z快速定位导航.zip
07-24
ListView侧边A-Z快速定位导航
unity ML-Agents
07-11
Unity ML-Agents (Machine Learning Agents) 是由 Unity Technologies 开发的一套用于训练智能代理的开源工具包。它结合了 Unity 强大的游戏引擎和机器学习技术，使开发者能够在虚拟环境中训练智能代理来解决各种...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值