标签：
这是我看到的最全面最详细的ml-agent讲解。（只用于学习与常识分享，如有侵权，联系删除。感谢！）来自CodeGize的小我私家博客 。源链接：https://www.cnblogs.com/CodeGize/p/7674281.html#undefined
小我私家常识增补：（安置时如有提示pip版本低请凭据以下法式解决，没有报错可忽略）在 “输入命令安置Tensorflow 输入 pip install –U tensorflow” 法式时，如果你的pip版本不是最新，就会报错，没步伐必需是最新版本。
去pip官网下载最新版解压到自界说目录即可，从开始菜单中，打开Anacoda Prompt，进入到解压后的 pip-10.0.1(我用到的版本)目录下
（同磁盘目录直接 cd 地址目录 即可；非同磁盘，C：或D：(地址磁盘)进入磁盘之后cd）。
进入目录之后, 输入 python setup.py install 命令进行安置。安置之后继续安置Tensorflow即可。
进入正文： 简介AI人工智能，更准确地说机器学习（machine learning）比来一年非常火热。在比来一段时间，Unity也颁布了一个机器学习的工具，叫做ml-agent。
英文介绍如下：
https://blogs.unity3d.com/cn/2017/09/19/introducing-unity-machine-learning-agents/
中文介绍如下：
工程在Github上的地点如下
https://github.com/Unity-Technologies/ml-agents
从代码布局上看，ml-agent实现了前端用unity做表示，后端用Phython进行人工智能演算的系统。
搭建环境 主要环境官方保举环境如下
Phython2/3 64位
jupyter notebook
TensorFlow (1.0+) (Training)
Visual Studio 2017
Unity3d 2017
隆ml-agent代码库从Github网站上克隆（下载）ml-agent，代码，放在任意位置下。
安置Unity2017.2从Unity官网下载Unity2017.2，安置。
下载地点https://store.unity.com/cn/download?ref=personal
安置VS2017从微软官网https://www.visualstudio.com/zh-hans/downloads/下载，运行后选择需要的模块。这边虽然有供给python的相关插件，但是我们选择后面单独安置。
安置Anaconda从Anaconda官网安置Anaconda5.0.0
下载地点
安置后从开始菜单打开Anaconda Navigator，在左侧选择Environments。不才方菜单中点击Create创建一个环境，取名为tensorflow，python版本选择为3.6。期待环境创建完成。
从开始菜单中，打开Anacoda Prompt。
首先激活刚刚创建的环境，输入命令
activate tensorflow
输入命令安置Tensorflow
pip install –U tensorflow
期待一段时间直到安置完成。至此完成了Tensorflow最新版本的安置。（目前是1.3.0版本）
后面还要输入命令，所以暂时不要*窗口
安置ml-agent依赖库完成Tensorflow安置后，继续在Anacoda Prompt中输入命令切换到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C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，注意不要遗漏最后的点号。期待安置完成即可。此时依然不用*这个窗口
运行 编译Unity措施Unity的ml-agent供给了多干的demo。这里测验考试运行3dball这个demo。
使用Unity2017打开ml-agent下unity-environment文件夹。
打开Assets\ML-Agents\Examples\3DBall目录下的scene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
回到Anacoda Prompt命令窗口。注意必然要切换到ml-agent中python地址的目录。输入
jupyter notebook
运行之后，一方面会呈现一个命令行窗口，另一方面会同时打开一个网页
点击网页中的PPO.ipynb。改削此中env_name的值为刚刚编译出来的exe名字。注意不要加exe。然后在菜单上选择Cell->RunAll
运行后，可以看到刚刚编译出来的exe被运行起来
注意几个点
虽然很多文章表白tensorflow用python3.5对照好，但是没有深入研究到底有什么影响。