unity ML-Agents强化学习安装

最新推荐文章于 2024-04-21 22:57:05 发布

小羊君爱摸鱼

最新推荐文章于 2024-04-21 22:57:05 发布

阅读量207

点赞数 4

文章标签：学习机器学习 unity 深度学习人工智能 pytorch

本文链接：https://blog.csdn.net/m0_63671696/article/details/133522520

版权

一、下载发行版

点击：github官方
下载发行版功能包
解压在没有中文路径的地址，如桌面

二、安装python

Anaconda命令行cd到解压完的路径

conda create -n ml-agents python=3.8.13
conda activate ml-agents
cd ml-agents
pip install .
cd ..
cd ml-agents-envs
pip install .
cd ..
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
pip install protobuf==3.19.0
pip install onnx=1.7.0

三、测试

mlagents-learn config/ppo/3DBall.yaml --run-id=3DBallTest --force

如果没有报错就结束了

四、unity加载

点击unity顶栏的window中的包管理器
+，然后添加来自磁盘的包
找到ml-agents-release_20\com.unity.ml-agents\package.json
加载完毕后会显示在Packages

完毕！

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

小羊君爱摸鱼

关注关注

4
点赞
踩
2

收藏

觉得还不错? 一键收藏
打赏
1
评论
unity ML-Agents强化学习安装

如果没有报错就结束了。
复制链接

扫一扫

ml-agents:Unity机器学习代理工具包

05-10

研究人员还可以使用提供的易于使用的Python API通过强化学习，模仿学习，神经进化或任何其他方法来训练Agent。这些训练有素的代理可以用于多种目的，包括控制NPC行为（在多种设置下，例如多代理和对抗），自动测试...

ml-agents环境配置

weixin_45565243的博客

05-29

784

mlagents的安装过程

1 条评论您还未登录，请先登录后发表或查看评论

ML-Agents安装教程（Unity机器学习/2020.6.30最新更新）

糯米

01-31

1万+

目录 1.安装Anaconda 2.在Anaconda中创建ML-agent环境，并更换Python版本 3.激活项目环境 4.安装Tensorflow 5.安装ML-Agent扩展工具 6.安装环境依赖 7.启动项目 8.开始训练 9. 查看训练结果 1.安装Anaconda 先贴一个官方安装教程。关于安装Anaconda，之前写过相关教程：链接地址注意，最新...

Unity-ML-Agents安装

aaaccc444的博客

04-19

2780

Unity-ML-Agents安装 1.下载ML-Agents 2.下载Anaconda 3.虚拟环境 4. 安装cuda和cudnn

Unity之ml-agents（一）：环境配置及初步使用

gls_nuaa的博客

02-15

4717

ml-agents是Unity官方专门用来提供强化学习的工具包，关于ml-agents的介绍不是本文的重点。相比于其他的工具包只需要在package manager中导入，ml-agents需要进行一下简单的配置。这篇文章就对于配置过程及过程中可能遇到的一些问题给予解答。 Unity开源网址：https://github.com/Unity-Technologies/ml-agents ml-agents的配置有CPU版和GPU版，因为目前GPU并没有提供太多的增益。本篇文章就介绍CPU的配置了

Unity强化学习之ML-Agents的使用

热门推荐

小星AI

11-03

1万+

ML-Agents是游戏引擎Unity3D中的一个插件，也就是说，这个软件的主业是用来开发游戏的，实际上，它也是市面上用得最多的游戏引擎之一。而在几年前随着人工智能的兴起，越来越多的强化学习环境被开发出来，例如总所周知的OpenAI的Gym，还有许多实验室都采用的星际争霸2环境来进行多智能体强化学习的研究。作为一个对游戏开发和强化学习都非常感兴趣的人，了解到了ML-Agents这款插件，使得能够自己创造一个独一无二，，与众不同，又充，与众不同，又充满智慧的游戏AI成为可能。

Unity ML-Agents 之平衡球案例的实现整理（内含实现步骤）

仙魁XAN

09-03

2993

Unity ML-Agents 之平衡球案例的实现整理（内含实现步骤）目录 Unity ML-Agents 之平衡球案例的实现整理（内含实现步骤）一、简单介绍二、原理实现三、原理拆解四、注意事项五、效果预览六、实现步骤七、训练过程数据的可视化查看（tensorboard.exe 查看可视化数据）八、关键脚本九、训练后记一、简单介绍 Unity 中使用人工智能 ML-Agents 的功能，包括环境搭建，ML-Agents 集成到U...

Unity ML-Agents Toolkit:Unity 机器学习代理工具包-开源

05-29

使用 Unity 机器学习代理 (ML-Agents)，您不再是“编码”紧急行为，而是通过深度强化学习和模仿学习的组合教智能代理“学习”。使用 ML-Agents 可以让开发人员创建更具吸引力的游戏玩法和增强的游戏体验。人工...

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...

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...

Unity ML-Agents 之环境配置（Anaconda 下载安装等），简单的搭建场景实现简单训练的Demo（内含详细步骤）.rar

09-01

Unity ML-Agents 之环境配置（Anaconda 下载安装等），简单的搭建场景实现简单训练的Demo（内含详细步骤）一、简单介绍二、工程地址三、效果预览四、实现原理五、涉及命令六、注意事项七、环境搭建 Anacoda 的下载 Anaconda 安装 Unity ML-Agents 资源下载八、Anacoda 中构建 Unity 训练环境创建环境在环境中安装 mlagents 九、Unity 中集成 ML-Agents 十、结合 ML-Agents 和 Unity 开始训练十一、使用训练好的模型，进行演示十二、关键脚本

ML-agents_meshes.zip

03-25

Unity ML-Agents是由Unity Technologies和加州大学伯克利分校联合开发的，它允许开发者利用强化学习、协同学习和监督学习等多种机器学习方法来训练Unity场景中的代理。通过这种方式，开发者可以创造出更加真实、...

Unity 对接 ML-Agents 初探

艾沃尼斯の飞空庭

02-24

1357

ML-Agents

Unity机器学习 ML-Agents第一个例子

Peter的博客

11-23

952

上一节我们安装了机器学习mlagents的开发环境，本节我们创建第一个例子，了解什么是机器学习。我们的例子很简单，就是让机器人自主移动到目标位置，不能移动到地板范围外。首先我们来简单的了解以下机器学习的过程。机器学习的过程MLAgents机器强化学习的过程（reinforcement learning）observation - 监视，观察decision - 决策action - 行动reward - 奖罚。

关于Unity安装ml-agents-21的环境配置

最新发布

qq_61753261的博客

04-21

577

安装Visual Studio在里面选择Unity和C++（即桌面开发）

Unity+ML-Agents训练机械臂到达目标点

qq_41074580的博客

12-13

7074

Unity+ML-Agents训练机械臂到达目标点欢迎使用Markdown编辑器环境搭建训练效果：欢迎使用Markdown编辑器首先你需要从Unity官方Github下载ML-Agents机器学习代理，然后进行安装。然后还需要在你的电脑上配置Tensorflow，因为以前跑过一些深度学习的东西，Tensorflow已经配置好了，还没有装的小伙伴可以参考这篇教程，推荐使用Anaconda进行安装...

Unity的ML-agent训练教程（附环境配置流程）

hnbxs的博客

02-13

2983

1）创建虚拟环境接下来提过指令激活虚拟环境Unity2）在虚拟环境内配置需要用的库在GitHub上下载unity官方的ml-agent包仓库，下载到位置在anaconda prompt通过依次输入指令导入库文件一般会因为网速问题导致报错超时，可将指令改为如下形式或等待提示导入完成后输入指令若出现提示文本，则环境配置成功。

强化学习+Unity仿真(二)：工具包安装

pingping_TEL的博客

07-08

690

通过Unity Machine Learning Agents工具包在Unity场景中训练强化学习算法，本文主要介绍该包的安装。

Unity机器学习1 ML-Agents环境搭建

thinbug的专栏

05-12

1650

第一步，创建一个新的Unity项目我起名为MLApp 第二部，首先安装python3.7 https://www.python.org/downloads/windows/ py exit() 第三步，Unity项目中创建虚拟环境的脚本运行库模块 cd UnityProject\MLApp py -m venv venv 完成后可以看到多了一个venv目录。通过activeate.bat激活环境脚本，不会影响到其他的python的运行环境。我们运行他。运行后：安装数据流执行计算的开源图，首

liunx 安装ml-agents环境

04-03

1. 安装Anaconda环境 Anaconda是一个开源的Python发行版本，内置了许多常用的Python包和工具，如numpy、matplotlib等。我们可以通过Anaconda来管理我们的Python环境，方便我们对不同的项目使用不同的Python环境。下载Anaconda：https://www.anaconda.com/products/distribution 安装Anaconda：下载安装包后，直接运行安装程序，按照提示完成安装即可。 2. 创建虚拟环境在Anaconda中，我们可以通过创建虚拟环境来管理我们的Python环境。因为ml-agents需要使用Unity的Python环境，我们需要创建一个与Unity相同的Python环境。打开Anaconda Prompt终端，输入以下命令： ``` conda create -n unity python=3.6 ``` 这条命令会创建一个名为"unity"的虚拟环境，并安装Python 3.6版本。我们可以根据需要选择其他Python版本。 3. 激活虚拟环境在创建完虚拟环境后，我们需要激活它才能使用。在Anaconda Prompt终端中，输入以下命令： ``` conda activate unity ``` 这条命令会激活名为"unity"的虚拟环境。 4. 安装ml-agents 在激活虚拟环境后，我们可以通过以下命令安装ml-agents： ``` pip install mlagents ``` 这条命令会安装ml-agents及其依赖的包。 5. 安装Unity ml-agents需要与Unity一起使用，因此我们需要先安装Unity。下载Unity：https://store.unity.com/download-nuo 安装Unity：下载安装包后，直接运行安装程序，按照提示完成安装即可。 6. 配置Unity 安装完Unity后，我们需要在Unity中导入ml-agents的插件。具体操作如下：在Unity中创建一个新项目，选择2D或3D模板即可。打开菜单栏"Window"->"Package Manager"，在搜索框中输入"ml-agents"，然后点击"Install"按钮进行安装。安装完成后，打开菜单栏"Window"->"AI"->"ML-Agents"->"Agent Settings"，在"Python"中选择我们刚才创建的虚拟环境路径，例如： ``` C:\Users\your_username\Anaconda3\envs\unity\python.exe ``` 7. 测试ml-agents环境在安装和配置完毕后，我们可以进行简单的测试，验证ml-agents是否安装成功。在Unity中，打开菜单栏"Window"->"AI"->"ML-Agents"->"Create New Agent"，创建一个新的Agent。添加一个"Behavior Name"为"test"的Behavior。在"Behavior Parameters"中，将"Behavior Type"设置为"Default". 在"Behavior Parameters"中，将"Observation Shapes"设置为"Vector Observation"，并将"Vector Observation Size"设置为1。在"Behavior Parameters"中，将"Action Space Type"设置为"Discrete"，并将"Discrete Branches"设置为2。在"Behavior Parameters"中，将"Output"设置为"Action". 点击"Save"按钮保存。在菜单栏"File"->"Save Project"，保存Unity项目。在Anaconda Prompt终端中，进入Unity项目的根目录，例如： ``` cd C:\Users\your_username\Documents\Unity Projects\test ``` 在终端中，输入以下命令： ``` mlagents-learn config\test.yaml --run-id=test --train ``` 这条命令会启动ml-agents的训练过程。在训练过程中，我们可以在Unity中查看Agent的行为。在菜单栏"Window"->"AI"->"ML-Agents"->"Agent Monitor"中，选择刚才创建的Agent和Behavior，然后点击"Open"按钮打开Agent Monitor。在Agent Monitor中，我们可以观察Agent的行为，以及训练过程中的reward等信息。如果能够成功观察到Agent的行为，并且训练过程中reward等信息正常，说明ml-agents环境安装成功。