标签：
参考文档 前言近段时间，ml-agent升级到了v0.3版本，，做了一些变换，导致之前的文档《ml-agent v0.2：Win10下环境安置》部分内容无法在ml-agent v0.3中使用。最主要的是ppo.ipynb文件移除，导致无法用ppo进行训练。所以这里进行从头整理。
软件安置 保举的环境Phython3 64位（ml-agent v0.3不再撑持Phython2）
Jupyter notebook
TensorFlow
Visual Studio 2017
Unity3d 2017.1(本文使用)/2018.1
1、克隆ml-agent从Github网站上https://github.com/Unity-Technologies/ml-agents克隆（下载）ml-agent，代码，放在任意位置下。(本文放在D:\ml-agent)
2、安置Visual Studio/Unity3d安置略过
3、安置Anaconda 64位Anaconda内置了Phython3 64位和Jupyter notebook以及其他便当的成果，所以还是选择安置Anaconda简化整个Phython的过程。下载地点。安置略过（本文安置在F盘）。安置完成后操作Anaconda的Anaconda Navigator创建一个环境(这里环境名为tensorflow)，Phython版本选择3.6。
4、安置ml-agent依赖库在开始菜单中打开Anacoda Prompt，在命令行中输入一下命令来激活刚刚创建的环境
activate tensorflow
输入命令切换到ml-agent地址的目录中python目录的位置。好比ml-agent安置目录为D:\Git\ml-agent，则输入
cd D:\Git\ml-agent\python
如果你的Anaconda不是安置在ml-agent目录不异的磁盘，那么需要切换到ml-agen地址的磁盘。好比这里Anaconda的安置目录为F盘，ml-agent安置目录为D:\ml-agent，则需要切换到D盘，输入
D:
然后开始安置Demo所需的环境，输入命令
pip install .
注意，不要遗漏最后的点号。期待安置完成即可。该命令会安置所有的依赖库，包孕tensorflow。此时不用*这个窗口。
5、编译Unity措施使用Unity2017打开ml-agent下unity-environment文件夹。
打开Assets\ML-Agents\Examples\3DBall目录下的3DBall场景文件。在场景中选择Ball3DAcademy下的Ball3DBrain物体，将TypeOfBrain改削为External，暗示从Tensorflow中获取数据。
菜单中选择File->Build Setting，添加当前地址场景。（可以勾选Development Build以便检察输出）
点击PlayerSeting，查抄设置
Resolution and Presentation -> 勾选Run in Background
Resolution and Presentation -> Display Resolution Dialog设置为disable
回到Build Setting面板，点击Build，编译到ml-agent的python目录中。名为3dball.exe
注意，训练要领和ml-agent v0.2差别。v0.2使用Jupyter notebook运行ppo.ipynb文件。但是v0.3改为使用命令行的要领。
我们回到Anacoda Prompt，输入以下命令：
python learn.py 3dball --run-id=test --train
此中
learn.py包罗了大量的ml算法，包孕ppo。
3dball就是刚刚我们用unity生成的exe文件的名称。
--run-id=test可以不写，只是声明此次训练的id。好比可以用tensorboard来看
--train暗示声明执行的是训练模式
如果这这些命令参数感兴趣，请参考Training ML-Agents
由于训练的Step为5.0e4(5*10的4次方)，如果用cpu算对照慢，可以暂时改削超参数配置文件trainer_config.yaml，将Ball3DBrain下增加一行max_steps: 2.0e4（注意，由于该文件给与yaml格局，对文件的编码格局和空格要求非常严格，如果异常，将无法进行训练。max前面有4个空格，不是tab。冒号后面有一个空格，整个文件给与UTF8编码）。
训练功效数据生存在models\test\下，使用bytes文件请参考ML-Agent：通过TF#使用训练完成的模型数据
训练的功效视频：Unity ml-agent v0.3实践
ml-agent v0.3 win10安置和实践
标签：
原文地点：https://www.cnblogs.com/CodeGize/p/8983299.html