ML-Agent——使用可执行.exe文件

本文已参与「新人创作礼」活动，一起开启掘金创作之路。

之前做了一个ML-Agent项目教程系列 以往文章：unity learn—— ML_Agent:Hummingbirds中文教程 自译（一 ——配置Unity） unity learn—— ML_Agent:Hummingbirds中文教程 自译（二——代码Flowers.cs、FlowerArea.cs） unity learn—— ML_Agent:Hummingbirds中文教程 自译（三——代码HummingbirdAgent.cs） unity learn—— ML_Agent:Hummingbirds中文教程 自译（四——Ray Perception Sensor）

unity learn—— ML_Agent:Hummingbirds中文教程 自译（五 ——安装Anaconda） unity learn—— ML_Agent:Hummingbirds中文教程 自译（六——准备训练） unity learn—— ML_Agent:Hummingbirds中文教程 自译（七——测试模型） 这一次我们来讲一讲怎么把项目build出来训练

官方文档

关于用可执行文件训练的好处，我把官方的说法贴过来给大家大致看一下（翻译的并不好建议看原文）：

1、You can exchange executable with other people without having to shareyour entire repository.
2、You can put your executable on a remoteachine for faster training.
3、You can use Headless mode for faster training. 4、 You can keep using the Unity Editor for other tasks while the agents are training.

在做好需要训练的场景之后，在unity窗口找到Edit ->project settings,保证与下图中红色部分一致 然后是File > Build Settings，确保scence in build框中只有一个被选中，同时选中Development Build，然后Build.

选中安装目录 之后把写有超参数的yaml文件也放进去

如果你还未安装ML-Agent的python环境，可以参考一下我之前的文章 unity learn—— ML_Agent:Hummingbirds中文教程 自译（六——准备训练）

打开Anaconda Prompt切换到有mlagent的环境，将路径切到刚才bulid的目录下

之后键入命令

mlagents-learn （trainer-config-file） --env=（env_name>）--run-id=(run-identifier) 其中 trainer-config-file：放置超参数的yaml文件的路径 env_name：.exe文件所在的文件夹的路径 run-identifier：给本次训练命名

比如我就是（yaml和exe所在文件夹在一起，所以路径可以直接写名字）

mlagents-learn trainer_config.yaml --env=Hummingbird --run-id=exeTest