Unity中使用机器学习与案例

目录

一、前言

二、配置Anaconda环境

2.1、Anaconda和Python的区别

2.2、Anaconda和conda、pip、virtualenv的区别

2.3、Anaconda安装和配置

三、创建Unity的训练和使用工程

3.1、配置Unity工程

3.2、创建新的训练项目

四、附录

4.1、命令说明

---

一、前言

目前本人已从北京回江西工作，欢迎广大江西的开发者加入技术讨论群560671712，不定期线下技术讨论

本文使用的Unity为2020.3.25，Anaconda为“Anaconda 3-2021.11 -Windows -x86_64”，运行的环境为Windows，文章的内容大部分内容参考了Unity官方案例ml-agents-hummingbirds，但在环境配置的过程中遇到了很多坑，而Unity中配置这一步是最重要的，不搞定这步后面基本白瞎，搞定了这步，后面的案例非常简单。

二、配置Anaconda环境

Anaconda环境是Unity中使用机器学习最重要的一部分，它是一个用于科学计算的Python发行版，支持Linux、Mac和Windows系统。它提供了提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。

2.1、Anaconda和Python的区别

1. 安装内容不同：Python自身缺少numpy、matplotlib、scipy、scikit-learn等一系列包，需要安装Pip来导入这些包才能进行相应运算，安装Pip还要安装各种依赖，而Anaconda可以很方便的安装大部分库。
2. 内置不同：Anaconda Prompt 是一个Anaconda的终端，可以便捷的操作conda环境。IPython 是一个 python 的交互式 shell，比默认的python shell 好用得多，支持变量自动补全，自动缩进，支持 bash shell 命令，内置了许多很有用的功能和函数。

2.2、Anaconda和conda、pip、virtualenv的区别

1. Conda：是包及其依赖环境的管理工具，如果你需要的包要求不同版本的Python，无需切换到不同的环境，因为conda同样是一个环境管理器，仅需几条命令，就可以创建一个完全独立的环境来运行不同版本的Python，同时继续在你常规的环境中使用常用的Python版本。
   1. 适用语言：Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN；
   2. 适用平台：Windows, macOS, Linux
2. Pip：用于安装和管理软件包的包管理器，安装Python2.7.9及以后版本的命令为“pip”，安装Python3.4及后续版本的命令为“pip3”。
3. Virtualenv：用于创建一个独立的Python环境的工具。
   1. 解决问题：当一个程序使用Python2.7，而另一个使用Python3.6是，可以用它同时使用。

2.3、Anaconda安装和配置

1. 在Anaconda官网下载对应电脑的版本，如我的电脑是Windows