ml-agents安装教程

已于 2024-08-05 23:48:06 修改
阅读量568 收藏 11
点赞数 10
分类专栏： unity 文章标签： unity
于 2024-08-05 16:33:36 首次发布
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/weixin_39010374/article/details/140926763
版权

下载ml-agents安装包

github下载地址：https://github.com/Unity-Technologies/ml-agents/releases
下载源代码
下载源代码

注意python环境的版本（后面创建虚拟环境时候python必须要下载这里说明的版本！！！）
注意pytouch版本
这里下载的是20版本
在这里插入图片描述

下载Anaconda软件

打开安装好的 Anacond Powershell Prompt 准备配置python环境

创建虚拟环境

创建虚拟环境，注意后面的python版本一定要和下载ml-agents插件中说明的python版本一致！！！

conda create -n 自定义环境变量名 python=3.8.13

激活创建的虚拟环境

conda activate mlagents

修改虚拟环境安装位置

可用以下命令进行查看虚拟环境位置

conda info

修改虚拟环境所在目录的方法参见下文
https://www.jb51.net/article/281659.htm

onda环境默认安装在用户目录C:\Users\username.conda\envs下，如果选择默认路径，那么之后创建虚拟环境，也是安装在用户目录下。不想占用C盘空间，可以修改conda虚拟环境路径。

最简单的方式就是参见（4）

(1)首先，找到用户目录下的.condarc文件（C:\Users\username）。
在这里插入图片描述
(2)打开.condarc文件之后，添加或修改.condarc 中的 env_dirs 设置环境路径，按顺序第⼀个路径作为默认存储路径，搜索环境按先后顺序在各⽬录中查找。直接在.condarc添加：
在这里插入图片描述
然后，在Anaconda Prompt执行conda info命令，就可以看到修改默认环境路径成功
在这里插入图片描述
当新创建虚拟环境验证时，可能会发现它还是默认安装在C盘用户目录下的envs
（3）或者在Anaconda Promp执行命令：

conda config --add envs_dirs newdir #增加环境路径newdir

在这里插入图片描述通过执行命令conda env list查看有哪些虚拟路径以及它们的存储路径，* 号表示当前所处的环境。
在这里插入图片描述
（4）如果还是没有修改成功，则需要更改D:\Anaconda3的权限：选中Anaconda3文件夹，然后右击选则属性，找到安全，Users权限全部允许。接下来确定后，时间稍微有点长，等待完成即可。
在这里插入图片描述
这时新创建一个虚拟环境验证时，发现在D:\Anaconda3\envs下。

在虚拟环境安装ml-agents

通过cd命令导航到ml-agents-release_20的所在目录

pip install ./ml-agents
pip install ./ml-agents-env

分别安装这俩文件夹的内容（这来文件夹都有python安装程序）

然后发送以下指令看看缺少啥内容

mlagents-learn --help

protobuf降级（如果不提示就不用）

如果提示protobuf版本太高了，就需要降级protobuf版本到提示的版本号
查看protobuf版本号：

pip show protobuf

卸载 4.24.4 的版本

pip uninstall protobuf

安装 3.19.0 的版本

pip install protobuf==3.19.0

查看版本是否安装成功

pip show protobuf

安装pytorch

然后发送以下指令看看缺少啥内容

mlagents-learn --help

这时候会发现提示没有安装torch

方法1：
直接通过pip安装，通过查看自己英伟达显卡的cuda版本：
cmd输入：

nvidia-smi

查看版本号，如果没有就要装cpu版本的

如果有显卡，就要装显卡版本的
在这里插入图片描述
然后进入pytorch官网：https://pytorch.org/
根据显卡cuda版本选择类型，保证要下载的版本比自己电脑cuda的版本低
在这里插入图片描述

将【run this command】栏目后面的命令复制到Anaconda cmd
等待安装，默认是用的外网的地址安装的，如果嫌弃慢，可以更换清华源或者阿里源

测试效果

等待全部安装完毕后，执行：

mlagents-learn --help

如果现实的内容是一堆–加说明就说明安装成功了
在这里插入图片描述

补充

安装onnx

前面的这些安装之后，此环境换差onnx，这个不安装在训练结束后，无法生成训练数据，安装的版本是1.7.0

conda install -c conda-forge onnx=1.7.0

安装之后再次训练即可，unity结束play，训练结束，可以正常生成训练数据（.onnx后缀的）
如果还有别的报警，则根据提示安装对应版本的包

七月天QAQ
关注
  • 10
    点赞
  • 踩
  • 11
    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-0.13.1.zip
03-25
此外，"ml-agents-0.13.1.zip"中的内容还包括了各种示例场景和教程，如“Academy”和“Baxter”示例，它们展示了如何设置环境、定义奖励函数以及训练过程。开发者可以以此为基础，快速上手并创建自己的智能游戏场景...
Unity-ML-Agents安装
aaaccc444的博客
04-19 2859
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
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强化学习之ML-Agents的使用
热门推荐
小星AI
11-03 2万+
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机器学习1 ML-Agents环境搭建
thinbug的专栏
05-12 1661
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
ML-Agents 安装配置 【ML-Agents 官方文档翻译（ML-Agent 1.9.1，Unity 2018-2020）】
FutaAlice的博客
11-10 2328
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 Packa
ML-Agents 在Mac M1上的安装
liod1234的博客
12-08 344
最近为了开发需要，想着把老苹果笔记本换掉买一台新的苹果电脑，因为老电脑开发Unity实在是有点太卡了，入手前就知道新的苹果笔记本M1芯片可能存在很多坑，但多年的苹果系统使用已经让我再也提不起兴趣使用windows了，因为在使用windows虚拟机（工作需要）的时候往往安装个软件会有很多广告啥的。因此，我果断割肾买了台苹果笔记本，没想到这次入的坑有点深。。。Unity在苹果电脑上也跑出了一堆问题，好多插件不支持，什么Obi，AVProMovieTexture啥的。。。扯的有点远了，本次主要是解决在苹果电脑上强
unity ML-Agents强化学习安装
m0_63671696的博客
10-03 216
如果没有报错就结束了。
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 4051
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
ml-agents简单使用【笔记】
weixin_46210444的博客
07-05 624
首先要安装torch安装包在pip安装的时候，如果出现版本不兼容，可以使用这个命令的方式，他会卸载不兼容的package这个指令的意思是使用pip工具安装mlagents库，并启用 2020 解析器功能。pipmlagentspipmlagents可以使用这个指令来运行，检测Ml-agens是否正确安装有可能会显示警告这个时候，可以使用这个命令寻找出现torch.set_default_tensor_type函数的python程序其实就是在我们安装mlagents环境之中。
ml-agents-release_3.zip
06-21
Unity机器学习插件最新稳定版，安装和使用教程请参看https://github.com/Unity-Technologies/ml-agents/tree/master/docs
ML-Agents Beta 0.4.0
06-29
《ML-Agents Beta 0.4.0：Unity中的机器学习革命》 在游戏开发领域，Unity引擎以其强大的3D图形渲染能力和跨平台支持而广受赞誉。近年来，随着人工智能技术的快速发展，Unity也开始涉足机器学习，推出了ML-Agents...
ML-Agent（Unity机器学习插件）
06-12
想要入门ML-Agent，可以从官方GitHub仓库（https://github.com/Unity-Technologies/ml-agents）获取最新代码，并查阅详细的文档和教程。此外，社区提供的示例项目和研究论文也是学习的好资源。通过实践，开发者可以...
开发教程文档.docx
08-14
1. Java简介 Java是一门由Sun Microsystems公司于1995年推出的高级编程语言。它具有跨平台的特性，能够在多种操作系统（如Windows、Mac OS和各种Unix版本）上运行。Java的最大特点是“一次编写，到处运行”，这得益于Java虚拟机（JVM）的存在。 2. 环境搭建 在开始Java编程之前，需要先搭建开发环境。你需要安装Java开发工具包（JDK）和一个集成开发环境（IDE），比如IntelliJ IDEA或Eclipse。JDK是Java开发的核心，包括了编译器和标准类库，而IDE则为你提供了一个方便的开发界面。 3. 基本语法 学习Java的第一步是掌握它的基本语法。你需要了解如何定义变量、使用基本数据类型、控制程序流程（如条件语句和循环语句）以及如何定义和使用函数。这些基础知识是编写任何Java程序的基础。 java public class HelloWorld { public static void main(String[] args) { System.out.println("Hello, World!
全球车载支付服务行业总体规模、主要企业国内外市场占有率及排名（2024版）.docx
08-14
全球车载支付服务行业总体规模、主要企业国内外市场占有率及排名（2024版）.docx
【独家首发】基于斑点鬣狗优化算法SHO-GMDH的锂电池寿命SOC估计算法研究Matlab实现.rar
最新发布
08-14
1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。 替换数据可以直接使用，注释清楚，适合新手
鲸发卡v11.61发卡系统源码-开心修复版
08-14
鲸发卡系统在发卡圈几乎人人皆知，市面最好发卡系统之一，操作简单界面操作通俗易懂，系统主页UI已进行更换，非市面烂大街首页！ 我们替换了三套最新版模板，详情请看下面图片，市面上所谓的11.61版本就是这，只是改了版本号，新增三套模板。 非常重要的一点是，我们发现此模板使用后，首页首次加在有点慢，原因是首页美化代码的原因，其他页面基本正常，有能力的可以吧图片等资源文件上传到oss等第三方平台 含4套PC端首页模板，含4套手机端首页模板（3套与PC端相同） 修复功能 1、短链接生成，重置 2、客户端新版本UI 3、邀请码无限重复生成(以前的版本后台不?关闭，现在可以了)
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。
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