ML-Agents 安装配置 【ML-Agents 官方文档翻译（ML-Agent 1.9.1，Unity 2018-2020）】

目录

ML-Agents 官方文档翻译（ML-Agent 1.9.1，Unity 2018-2020）

---

首先确定可用 ML-Agents Unity Package 版本，此处笔者用的 Unity 2018

查 Unity 文档可知，Unity 2018 可以支持的最高版本是 1.9.1 (此版本支持 Unity 2018 - 2020)

ML-Agents 的 ChangeLog 也明确说了 2.0.0 之后的 Unity Package 只支持 Unity 2019 及以上版本

查阅 ML-Agents 文档，Release 16版本对应Unity Package 1.9.1和Python Package 0.25.1，是 Unity 2018 可用的最新版本。

下载 ML-Agents 并运行示例工程

下载 ML-Agents 并切换到对应版本

git clone https://github.com/Unity-Technologies/ml-agents
cd ml-agents
git checkout release_16

可以看到两个 Unity Package: com.unity.ml-agents和com.unity.ml-agents.extensions

• com.unity.ml-agents 包含将集成到您的 Unity 项目中的 Unity C# SDK
• com.unity.ml-agents.extensions 包含一部分的实验性 C#/Unity 组件。
• com.unity.ml-agents.extensions直接依赖于com.unity.ml-agents

用 Unity 打开 ml-agents/Project 工程，在 Assets/Example 目录下有 Unity ML-Agents Toolkit 自带的示例环境

我们打开其中的 Assets/ML-Agents/Examples/3DBall/Scenes/3DBall

一个平衡球任务，AI 的目标是可能长时间地平衡头上的球。

这个示例工程已经配置好了预训练模型，我们直接点击运行：

能跑么？能跑就是好库！

配置 Unity Package

我们也可以新建一个 Unity 项目，导入 ML-Agents Package：

1. 点击顶部菜单栏 Window -> Package Manager
2. 在Package Manager窗口中单击+按钮。
3. 选择 Add package from disk...
4. 导航到 com.unity.ml-agents 文件夹
5. 选择 package.json 文件

如果 Package Manager 窗口没有+按钮，也可以手动导入：

1. 拷贝 ml-agents/com.unity.ml-agents 到新工程的 Packages 目录下
2. 修改新工程 Packages/manifest.json，额外添一行 "com.unity.ml-agents": "file:com.unity.ml-agents",

ML-Agent Unity Package 的配置至此讲解完了，我们再来看 Python 环境配置。

配置 Python Package

Python Package 用于 AI 训练，一些古老的中文教程要求配 Tensorflow 后端。

但实际在 ML-Agents Release 13(Unity Package 1.8.0/Python Package 0.24.0) 中，Tensorflow Trainer 已经被移除了。

新版 ML-Agents 的 Trainer 是基于 pytorch 的，是基于 pytorch 的，是基于 pytorch 的！

至于 Python 和 pytorch 版本可以参考工程目录 ml-agents/ml-agents/setup.py，此处我们以 Python 3.6/3.7 + pytorch 1.7.0 CPU 版为例：

pip3 install torch==1.7.0 torchvision==0.8.1
pip3 install mlagents==0.25.1

网速慢可以换豆瓣源

pip3 install torch==1.7.0  torchvision==0.8.1 -i https://pypi.douban.com/simple
pip3 install mlagents==0.25.1 -i https://pypi.douban.com/simple

另外推荐安装netron用于查看 onnx 模型结构（pip install netron）

安装完成后命令行启动：

mlgents-learn --force

看到这个长得像寄吧的奇怪图案，说明安装成功~