Unity3D机器学习插件ML-Agents ToolKit(v0.5): 环境搭建和3DBallDemo运行

本文介绍了Unity3D的机器学习插件ML-Agents,包括其基本框架和组件如学习环境、External Communicator、Python API。详细讲述了如何搭建环境,特别是对于Windows用户和Anaconda用户需要注意的事项。还提到了如何运行3DBallDemo,强调在训练模型时需要在Anaconda环境中使用ml-agents-master和预训练模型进行交互。最后,作者分享了使用TensorFlow_CPU进行计算的经验,并提及TensorFlow_GPU配置的复杂性和遇到的问题。
摘要由CSDN通过智能技术生成

前言:

由于项目需要,需要了解U3D的ML-Agents插件。预期目的有几点:

  1. ML-Agents的大致框架
  2. 各个部分的具体实现细节

在开始研究前,首先我要搭建实验环境,之后运行官方案例。

大致框架:

在这里插入图片描述
在这里插入图片描述

ML-Agents是一个Unity3D的插件,其包含3个高级组件:学习环境,External Communicator,Python API。

  1. 学习环境:就是代理存在,并生活的地方。它可以小到是几个简单对象组成的模拟场景,大到可以是一个复杂场景的模拟。
  2. Python API - 其中包含用于训练(学习某个行为或 policy)的 所有机器学习算法。请注意, 与学习环境不同,Python API 不是 Unity 的一部分,而是位于外部,并通过 External Communicator 与 Unity 进行通信。(ml-agents-master 中 ml-agents 就包含所有的策略算法)
  3. External Communicator:它将 Unity 环境与 Python API 连接起来。它位于 Unit
1. 首先,在远程服务器上安装Unity3D编辑器。可以根据服务器的操作系统选择相应的版本,下载安装包并按照指示安装。 2. 接着,在Unity3D编辑器中安装ml-agents插件。打开Unity3D编辑器,在菜单栏中选择“Window”>“Package Manager”,然后搜索和安装“ml-agents”插件。 3. 然后,下载和安装Python 3.6或更高版本。可以从Python官网下载相应的安装程序,并按照指示安装。 4. 安装TensorFlow和其他必要的Python库。可以使用以下命令在终端中安装: ``` pip install tensorflow==1.15.2 pip install mlagents==0.17.0 pip install numpy pip install pillow ``` 5. 配置ml-agents环境变量。在终端中输入以下命令,将ml-agents路径添加到环境变量中: ``` export PYTHONPATH=$PYTHONPATH:<ml-agents路径> ``` 6. 创建一个新的Unity项目,并将ml-agents示例场景导入到项目中。 7. 在终端中启动ml-agents训练模式。在终端中输入以下命令启动训练模式: ``` mlagents-learn <trainer-config-file> --env=<unity-environment-path> ``` 其中,trainer-config-file是训练配置文件的路径,unity-environment-path是Unity环境的路径。 8. 等待训练完成。训练过程可能需要几个小时或更长时间,具体取决于训练配置和计算机性能。 9. 在训练完成后,可以使用训练好的模型进行推理和预测。在Unity中打开ml-agents示例场景,并运行推理模式即可。 以上是在远程服务器上搭建ml-agents环境的步骤。如果遇到任何问题,可以参考官方文档或在社区中寻求帮助。
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