前言：以前觉得机器学习要应用于游戏AI，还远得很。
最近看到一些资料后，突发兴致试着玩了玩Unity机器学习，才发觉机器学习占领游戏AI的可能性和趋势。
- 机器学习训练出的游戏AI，模型可能数据庞大，但是这完全可以部署于服务器。
- 目前绝大部分游戏AI都是人工制作，工作量庞大。机器学习可以解放生产力，放台主机训练让其自己培养出更实的AI。
ml-agents介绍
Unity Machine Learning Agents (ML-Agents) 是一款开源的 Unity 插件， 使得我们得以在游戏环境和模拟环境中训练智能 agents。
它可以使用 reinforcement learning（强化学习）、imitation learning（模仿学习）、neuroevolution（神经进化）或其他机器学习方法，
通过简单易用的 Python API进行控制，对 Agent 进行训练。
环境配置
环境示例：Windows 10 + Unity2018.4.1f + Anaconda3 + python 3.8 + CUDA toolkit 10.1 + cuDNN 7.6.5 + tensorflow 2.1.0
要注意各软件版本应当互相匹配，特别是CUDA、cuDNN和tensoflow有版本对应。
0.下载/安装Unity（2018.4或更高版本）
1.下载/安装python（3.7或更高版本）
2.下载/安装/配置Anaconda3
2.1 下载并安装Anaconda3
https://www.anaconda.com/distribution/#windows
2.2 更改环境变量
编辑系统变量的"Path"变量，添加下面这些新路径：
%UserProfile%\Anaconda3\Scripts
%UserProfile%\Anaconda3\Scripts\conda.exe
%UserProfile%\Anaconda3
%UserProfile%\Anaconda3\python.exe
3.配置GPU训练环境
3.1 下载并安装CUDA 10.1通用并行计算架构
https://developer.nvidia.com/cuda-10.1-download-archive-update2
3.2 下载 Nvidia cuDNN 7.6.5深度神经网络的GPU加速库（需要注册Nvdia账号）
https://developer.nvidia.com/cudnn
3.3 添加cuDNN库到CUDA
将下载好的cuDNN库cuda目录的三个文件夹（bin,include,lib），复制覆盖到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1文件夹里。
3.4 再次更改环境变量
添加系统变量:"CUDA_HOME"，变量值为
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
编辑系统变量"Path"，添加如下路径:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\libx64
系统变量"Path"所有添加的路径如红框圈起来：
3.5 配置GPU训练环境
首先要打开Anaconda Prompt窗口 (可以通过在windows开始菜单搜索)
打开之后，首先要创建一个新的Conda环境，输入如下命令（根据自己具体python版本）:
conda create -n ml-agents python=3.8
中间会有问要不要安装新包，输入y并回车就完事了。
为了使用这个环境，还得先激活它，输入如下命令：
activate ml-agents
输入后会看到左边()里的内容变成ml-agents
然后为了安装tensorflow，输入如下命令（为了契合版本，这里选择的是2.1.0）：
pip uninstall tensorflow
pip install tensorflow-gpu==2.1.0
安装成功界面如下：
4.下载并安装 Unity的ml-agents插件
(如果重新打开了一个新的Prompt窗口记得得重新激活ml-agents)
下载方法：
- 可以直接去github克隆 Unity ml-agents 项目下来 https://github.com/Unity-Technologies/ml-agents
- 或者执行如下git命令:
git clone --branch latest_release https://github.com/Unity-Technologies/ml-agents.git
然后在Anaconda Promptc窗口定位到你clone项目的目录ml-agents文件夹的ml-agents-envs文件夹(本文clone项目路径在C:\project)，并使用pip install -e .命令。
cd C:\project\ml-agents\ml-agents-envs
pip install -e .
之后，同样地，对项目目录ml-agents文件夹里的ml-agents文件夹使用pip install -e .命令。
cd C:\project\ml-agents\ml-agents
pip install -e .
如果提示找不到setup.py，说明定位路径不对，要检查一下。
结语
看到这里就已经证明该配置好的配置好了，终于可以关掉电脑，去泡杯咖啡好好休息一下了。如果还想继续的话，不妨看看下一篇博文。
更新于2020.3.6：由于现在Unity ml-agents项目比起2018年已经更新了许多，无论是搭环境还是实际操作都有所改变，于是决定翻新本系列博客。
下一篇博文将介绍一个Unity ml-agents机器学习的入门案例：