本文主要向大家介绍了机器学习入门之Win10下Unity人工智能代理ml_agent环境安装，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。

注意

ml-agent已经升级到v0.3，安装请参考ml-agent v0.3 win10安装和实践

简介

        AI人工智能，更准确地说机器学习（machine learning）最近一年非常火热。在最近一段时间，Unity也发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：

//forum.china.unity3d.com/thread-27837-1-1.html

        工程在Github上的地址如下

https://github.com/Unity-Technologies/ml-agents

        从代码结构上看，ml-agent实现了前端用unity做表现，后端用Phython进行人工智能演算的系统。

搭建环境

主要环境

官方推荐环境如下

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。

安装Unity2017.2

        从Unity官网下载Unity2017.2，安装。

        下载地址https://store.unity.com/cn/download?ref=personal

安装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。这边虽然有提供python的相关插件，但是我们选择后面单独安装。

安装Anaconda

        从Anaconda官网安装Anaconda5.0.0

        下载地址https://www.anaconda.com/download/#windows

        安装后从开始菜单打开Anaconda Navigator，在左侧选择Environments。在下方菜单中点击Create创建一个环境，取名为tensorflow，python版本选择为3.6。等待环境创建完成。

安装Tensorflow及其依赖库

        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

        输入命令安装Tensorflow

pip install –U tensorflow

        等待一段时间直到安装完成。至此完成了Tensorflow最新版本的安装。（目前是1.3.0版本）

        后面还要输入命令，所以暂时不要关闭窗口

安装ml-agent依赖库

        完成Tensorflow安装后，继续在Anacoda Prompt中输入命令切换到ml-agent所在的目录中python目录的位置。比如ml-agent安装目录为D:\Git\ml-agent，则输入

cd D:\Git\ml-agent\python

        如果你的Anaconda不是安装在ml-agent目录相同的磁盘，那么需要切换到ml-agen所在的磁盘。比如这里Anaconda的安装目录为C盘，ml-agent安装目录为D:\ml-agent，则需要切换到D盘，输入

D:

        然后开始安装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。等待安装完成即可。此时依然不用关闭这个窗口

运行

编译Unity程序

        Unity的ml-agent提供了多干的demo。这里尝试运行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修改为External，表示从Tensorflow中获取数据。

        菜单中选择File->Build Setting，添加当前所在场景。（可以勾选Development Build以便查看输出）

        点击PlayerSeting，检查设置

        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

运行Jupyter Notebook

        回到Anacoda Prompt命令窗口。注意一定要切换到ml-agent中python所在的目录。输入

jupyter notebook

        运行之后，一方面会出现一个命令行窗口，另一方面会同时打开一个网页

        点击网页中的PPO.ipynb。修改其中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

总结

        注意几个点

虽然很多文章表明tensorflow用python3.5比较好，但是没有深入研究到底有什么影响。

由于Anaconda使用的5.0.0版本，所以默认使用的是python3.6的版本。在这样的情况下，如果创建python3.5的环境，安装tensorflow1.2，会出现运行的时候找不到tensorflow的问题。而如果使用python3.6的环境，但是安装tensorflow1.2，会出现tensorflow. TensorLayer找不到的问题。这些问题花了好多时间排查，需要注意所以最终这里使用的是Anaconda5.0.0，python3.6以及tensorflow1.3

安装依赖库的时候需要注意，一定要切换好环境。否则很可能安装到不同的环境下。这里安装前一定会输入activate tensorflow命令（tensorflow是我创建的环境名）

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标人工智能机器学习频道！