ML_Agent环境配置

第一步:用conda管理对应的python版本

  1. 查看conda信息

    conda info -e
    

    [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-dLuLQ1ZM-1667189775539)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930165533849.png)]

  2. 激活对应python版本的conda环境(若没有需要先创建一个新的conda环境,然后激活该环境)

    conda activate MLEnv
    

    [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-RkxihFyd-1667189775541)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930165645344.png)]

    激活后:

  3. 切换到项目文件夹中创建虚拟环境的脚本运行库模块

    切换到项目文件夹中:

    [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-4jzCSyFg-1667189775542)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930170020810.png)]

    创建虚拟环境的脚本运行库模块

    python -m venv venv
    

    [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-NBtFu7zS-1667189775542)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930170438338.png)]

    在项目文件夹中会发现多了一个venv文件夹,代表创建成功:

    [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-hlKbXO91-1667189775543)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930170657167.png)]

    激活环境脚本

    venv\scripts\activate
    

    激活后:

    [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-vIOxdffd-1667189775544)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930171031715.png)]

第二步:使用pip安装相应模块

  1. 安装升级pip

    python -m pip install --upgrade pip
    

    [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-9ztwK02j-1667189775545)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930172258472.png)]

  2. 安装PYTorch

    pip install torch==1.7.0 -f https://download.pytorch.org/whl/torch_stable.html
    

    [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-XZ8jkHpA-1667189775545)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930173013852.png)]

  3. 安装ML-Agents

    pip install mlagents==0.28.0
    

    [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-IZ30PtSr-1667189775547)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930173245144.png)]

    验证是否安装完成:

    mlagents-learn --help
    

    无报错即安装成功:

    [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-HY4dGcdu-1667189775555)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930182313659.png)]

第三步:Unity端导入MLAgent库

步骤:

[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-A0PDEcmR-1667189775559)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930183723984.png)]

其中导航到该文件夹,应该是对应版本的ml-agents文件夹,选中package.json文件,如图:

[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-L0dHGoRs-1667189775560)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930184038433.png)]

导入到unity端后:

[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-76p0OneF-1667189775561)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930184228228.png)]

[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-3L58FTee-1667189775562)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930184321142.png)]

扩展可装可不装:

[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-aRk98Jsa-1667189775563)(C:\Users\Wanstin\AppData\Roaming\Typora\typora-user-images\image-20220930184131319.png)]

环境配置完成!

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UnityPython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。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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