2019-01-10 机器学习:ML-Agent:通过TF#使用训练完成的模型数据

第二部分

安装TF#

TF#,即Tensorflow Sharp是Tensorflow的C#版本。得益于改项目,使得tensorflow集成到unity中成为可能。(TF#的Git:https://github.com/migueldeicaza/TensorFlowSharp)

在ml-agent中,含有一个插件,叫做TFSharpPlugin.unitypackage,包含了TF#和ml-agent。

下载地址:https://s3.amazonaws.com/unity-agents/TFSharpPlugin.unitypackage

如果下载较慢可以使用下面的地址:http://pan.baidu.com/s/1c1XArmC 密码:aej8

安装这个插件,把必要的dll文件添加到原有的工程中(也可以所有文件完全覆盖掉)。

2019-01-10 机器学习:ML-Agent:通过TF#使用训练完成的模型数据_第1张图片

按照官方的说明文档,在unity中选择菜单Editor->ProjectSetting->Player。在OtherSetting下的Scripting Define Symbols中添加一个宏定义ENABLE_TENSORFLOW

2019-01-10 机器学习:ML-Agent:通过TF#使用训练完成的模型数据_第2张图片

准备训练完成的模型数据

在这些工作准备就绪后,按照之前一文《Win10下Unity人工智能代理ml_agent环境安装》搭建环境并且最终运行tensorflow的训练模型。如果一切顺利没有问题,那么就会在ml-agents\python\models\ppo这个目录下生成一个3dball.byte文件。这个就是训练完成的模型数据。将其重命名为3dball_custom.byte(unity工程里面已经含有官方训练好的模型数据文件,也叫3dball.byte,所以这边为了区别进行了重命名)。

使用训练完成的模型数据

复制3dball_custom.byte到unity中的Assets\ML-Agents\Examples\3DBall\ TFModels下。

打开Assets\ML-Agents\Examples\3DBall下的Scene场景

在Hierarchy面板中选择Ball2DAcademy下的Ball3DBrain物体。

在Inspector面板中,将Brain组件的Type Of Brain设置为Internal(如果没有这个选项,说明没有在PlayerSetting中设置宏定义)。将Graph Model设置为我们刚刚训练完成的那个模型数据3dball_custom。

2019-01-10 机器学习:ML-Agent:通过TF#使用训练完成的模型数据_第3张图片

运行

使用结果

可以看到平板会自动地摆动,尽可能不让小球从平板上掉下来。说明此时,程序已经正常使用了我们训练完成的模型数据

2019-01-10 机器学习:ML-Agent:通过TF#使用训练完成的模型数据_第4张图片

(效果和图中类似,由于不知道怎么做gif,用的是别人的图)



你可能感兴趣的:(2019-01-10 机器学习:ML-Agent:通过TF#使用训练完成的模型数据)