Von Unity ML-Agents release_6 Installation zu Umwelttests unter Win10.

Einführung

Da die letzte Hauptversion nach der Verwendung von Unity ML-Agents veröffentlicht wurde, werden wir die Ausführungsumgebung vorerst vorbereiten.

Referenz: Installation von Unity Ml-Agents

Wenn Sie Probleme haben, wenden Sie sich an den Beamten. Lese Englisch.

Ausführungsumgebung

ML-Agents verwendet die neueste Version 6, die derzeit nicht instabil ist.

Beachten Sie außerdem, dass Release 6 Unity 2018.4 oder höher und Python 3.6.1 oder höher verwenden muss.

Erstellen Sie zunächst eine virtuelle Umgebung

Erstellen Sie in Anaconda eine virtuelle Umgebung, damit diese von der ursprünglichen Umgebung getrennt werden kann.

conda create -n ml-agents

Wenn Sie die Version von Python angeben möchten (unter der Annahme von Version 3.6),

conda create -n ml-agents pyhton=3.6

Aktivieren Sie die virtuelle Umgebung, nachdem Sie sie erstellt haben.

conda activate ml-agents

Damit ist die Erstellung der virtuellen Umgebung abgeschlossen.

ML-Agents Release 6 Setup

Es wird davon ausgegangen, dass Sie Unity und Python installiert haben.

Klonen Sie zunächst das Toolkit-Repository von Github.

git clone --branch release_6 https://github.com/Unity-Technologies/ml-agents.git

--branch release_6 ist ein Tag, das Release 6 angibt, andernfalls wird das Repository des Hauptzweigs geklont. Der Hauptzweig ist aktuell, aber eine instabile Version.

Installieren Sie das Paket "com.unity.ml-agent" auf Unity

In dem zuvor geklonten Repository befindet sich ein Ordner com.unity.ml-agent. Installieren Sie ihn daher in Unity.

1. Öffnen Sie Unity und öffnen Sie Window-> Package Manager
2. Klicken Sie im Paketmanager auf die Schaltfläche +
3. Wählen Sie "Paket von Festplatte hinzufügen ..."
4. Öffnen Sie den Ordner "com.unity.ml-agent"
5. Wählen Sie die Datei package.json aus

Installieren Sie das Python-Paket "mlagents"

pip3 install mlagents

Probieren Sie das Handbuch Erste Schritte aus

Referenz: Erste Schritte

In diesem Handbuch finden Sie Informationen zum Verständnis der Umgebung. Wenn Sie jedoch eine eigene Umgebung erstellen möchten, sollten Sie diese sorgfältig lesen.

Da dies eine Testversion ist, werde ich zuerst das vorgefertigte 3D-Ball-Modell verwenden. Es gibt viele andere Beispiele, also probieren wir sie aus.

Probieren Sie das vorgefertigte Modell aus

1. Öffnen Sie "3DBall" unter "Projekt / Assets / ML-Agenten / Beispiele / 3DBall / Szenen"
2. Öffnen Sie im Projektfenster Assets / ML-Agents / Examples / 3DBall / Prefabs, erweitern Sie 3D Ball und klicken Sie auf Agent Prefab

Hinweis: Die 3D Ball-Plattform wird mit dem 3D Ball-Fertighaus erstellt. Anstatt alle 12 Plattformen zu aktualisieren, können Sie sie ändern, indem Sie das 3D Ball-Fertighaus aktualisieren.

3. Ziehen Sie im Projektfenster den 3DBall von "Assets / ML-Agents / Examples / 3DBall / TFModels" in das Modell der Verhaltensparameter des Agenten im Inspektorfenster. (Obwohl es bereits festgelegt wurde, können Sie das Lernergebnis überprüfen, indem Sie jedes Lernergebnis als NNModel speichern und in Modell festlegen.)
4. Vergewissern Sie sich, dass das Modell des Verhaltensparameters des Agenten jedes 3D-Balls in der Szene 3D-Ball (NN-Modell) ist.
5. Stellen Sie das in diesem Modell verwendete Inferenzgerät auf die CPU ein (GPU bei Verwendung der GPU)
6. Drücken Sie die Wiedergabetaste im Unity Editor und überprüfen Sie, ob 3D Ball ausgeführt wird

Trainiere ein neues Modell mit verstärkendem Lernen

1. Öffnen Sie das Terminalfenster

2. Gehen Sie zum geklonten Repository "ml-Agenten"

3. Führen Sie den folgenden Befehl aus

mlagents-learn config/ppo/3DBall.yaml --run-id=first3DBallRun ```

4. Wenn die Meldung "Starten Sie das Training durch Drücken der Wiedergabetaste im Unity-Editor" angezeigt wird, drücken Sie die Unity-Wiedergabetaste, um mit dem Lernen zu beginnen.
5. Das Lernergebnis wird in "ml-Agenten / Ergebnisse" gespeichert. Ziehen Sie also first3DBallRun in das Projektfenster und kopieren Sie es.
6. Ziehen Sie den 3D-Ball aus dem Projektfenster von first3DBallRun / run_logs in das Modell des Verhaltensparameters des 3D Ball-Fertighauses.
7. Drücken Sie die Wiedergabetaste an Unity, um die Lernergebnisse zu überprüfen

Überprüfen Sie den Trainingsfortschritt

Überprüfen Sie das Ergebnis, das Sie zuvor auf dem Tensorboard gelernt haben

tensorboard --logdir results

Wenn Sie den obigen Befehl ausführen, können Sie ihn unter "http: // localhost: 6006" Ihres eigenen Browsers überprüfen.

Zusammenfassung

Damit ist der Vorgang von der Installation bis zum Testen abgeschlossen. Bitte lassen Sie uns wissen, wenn Sie Fehler oder Mängel haben.

Da es geschrieben wurde, um zu bestätigen, was ich getan habe, denke ich, dass es einige Punkte gibt, die schwer zu verstehen sind. Grundsätzlich denke ich, dass es am besten ist, die offizielle Dokumentation selbst zu lesen und auszuführen.