Unity Ml-Agents的3D平衡球训练流程

转载请注明出处

前面已经教过如何搭建Ml-Agents的环境,这篇来实地训练自带的3D平衡球Demo。

载入项目

1、用unity载入ml-agents\unity-environment文件夹

2、打开Examples\3DBall场景,选择Ball3Dbrail(大脑)步骤3,将BrainType(大脑类型)改为External(外部训练)。

3、更改菜单Edit>Project Settings>Player>Resolution and Presentation

勾上Run In Background*(保证后台运行)

设置Display Resolution Dialog为Disabled(不显示对话框保证训练时不受打扰)

4、发布桌面版本,选择File>Build Setting,添加上3DBall场景,并发布到Ml-Agents/python/AI(此文件夹可以自定,这里只是方便测试)

 

外部训练

5、进行外部训练。

  • 管理员启动Anaconda Prompt
  • 输入命令启动tensorflow环境
  • 进入Ml-Agents/python目录
  • 输入命令进入训练模式:python learn.py  <unity运行文件>  –train     注:–train是以训练模式运行

  • 开始外部训练,此时会有训练数据和unity的小窗口

 

查看训练曲线

  • 在训练途中,可以通过TensorBoard查看训练曲线
  • 打开Anaconda Prompt,启动tensorflow环境
  • 进入Ml-Agents/python目录,输入命令

  • 复制网址,用浏览器打开,便可以看到训练曲线。
  • 现在回到训练界面,可以看到Saved Model,unity也退出,表示训练达到预定次数。
  • 训练数据保存在ml-agents\python\models\ppo\程序名_ppo.bytes二级制文件中,这文件就是可以在unity中使用的训练数据

 

导入插件

6、在将数据导入Unity中使用前,得先下载个插件TFSharpPlugin.unitypackage

完成

转载请注明出处

发表评论

电子邮件地址不会被公开。 必填项已用*标注

一条评论 “Unity Ml-Agents的3D平衡球训练流程”