簡介
AI人工智能，更準確地說機器學習（machine learning）最近一年非常火熱。在最近一段時間，Unity也發佈了一個機器學習的工具，叫做ml-agent。
英文介紹如下：
https://blogs.unity3d.com/cn/2017/09/19/introducing-unity-machine-learning-agents/
中文介紹如下：
http://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
從代碼結構上看，ml-agent實現了前端用unity做表現，後端用Phython進行人工智能演算的系統。
搭建環境
主要環境
官方推薦環境如下
- Phython2/3 64位
- jupyter notebook
- TensorFlow (1.0+) (Training)
- Visual Studio 2017
- Unity3d 2017
隆ml-agent代碼庫
從Github網站上克隆（下載）ml-agent，代碼，放在任意位置下。
安裝Unity2017.2
從Unity官網下載Unity2017.2，安裝。
下載地址https://store.unity.com/cn/download?ref=personal
安裝VS2017
從微軟官網https://www.visualstudio.com/zh-hans/downloads/下載，運行後選擇需要的模塊。這邊雖然有提供python的相關插件，但是我們選擇後面單獨安裝。
安裝Anaconda
從Anaconda官網安裝Anaconda5.0.0
下載地址https://www.anaconda.com/download/#windows
安裝後從開始菜單打開Anaconda Navigator，在左側選擇Environments。在下方菜單中點擊Create創建一個環境，取名爲tensorflow，python版本選擇爲3.6。等待環境創建完成。
安裝Tensorflow及其依賴庫
從開始菜單中，打開Anacoda Prompt。
首先激活剛剛創建的環境，輸入命令
activate tensorflow
輸入命令安裝Tensorflow
pip install –U tensorflow
等待一段時間直到安裝完成。至此完成了Tensorflow最新版本的安裝。（目前是1.3.0版本）
後面還要輸入命令，所以暫時不要關閉窗口
本人知識補充：（安裝時如有提示pip版本低請按照以下步驟解決，沒有報錯可忽略）
在 “輸入命令安裝Tensorflow 輸入 pip install –U tensorflow” 步驟時，如果你的pip版本不是最新，就會報錯，沒辦法必須是最新版本。
去pip官網下載最新版解壓到自定義目錄即可，從開始菜單中，打開Anacoda Prompt，進入到解壓後的 pip-10.0.1(我使用的版本)目錄下，
（同磁盤目錄直接 cd 所在目錄 即可；非同磁盤，C：或D：(所在磁盤)進入磁盤之後cd）
進入目錄之後, 輸入 python setup.py install 命令進行安裝。安裝之後繼續安裝Tensorflow即可。(補充完)
安裝ml-agent依賴庫
補充：如下圖所示，此時要退出（tensorflow）,回到（base），不然會報錯。
也就是剛打開Anacoda Prompt命令窗口時（你也可以關掉重新打開Anacoda Prompt），繼續以下步驟。
完成Tensorflow安裝後，繼續在Anacoda Prompt中輸入命令切換到ml-agent所在的目錄中python目錄的位置。比如ml-agent安裝目錄爲D:\Git\ml-agent，則輸入
cd D:\Git\ml-agent\python
如果你的Anaconda不是安裝在ml-agent目錄相同的磁盤，那麼需要切換到ml-agen所在的磁盤。比如這裏Anaconda的安裝目錄爲C盤，
ml-agent安裝目錄爲D:\ml-agent，則需要切換到D盤，輸入 D:
然後開始安裝Demo所需的環境，輸入命令 pip install .
注意，注意不要遺漏最後的點號。等待安裝完成即可。此時依然不用關閉這個窗口。
運行
編譯Unity程序
Unity的ml-agent提供了多幹的demo。這裏嘗試運行3dball這個demo。
使用Unity2017打開ml-agent下unity-environment文件夾。
打開Assets\ML-Agents\Examples\3DBall目錄下的scene文件。在場景中選擇Ball3DAcademy下的Ball3DBrain物體，將TypeOfBrain修改爲External，表示從Tensorflow中獲取數據。
菜單中選擇File->Build Setting，添加當前所在場景。（可以勾選Development Build以便查看輸出）
點擊PlayerSeting，檢查設置
Resolution and Presentation -> 勾選Run in Background
Resolution and Presentation -> Display Resolution Dialog設置爲disable
回到Build Setting面板，點擊Build，編譯到ml-agent的python目錄中。名爲3dball.exe
運行Jupyter Notebook
回到Anacoda Prompt命令窗口。注意一定要切換到ml-agent中python所在的目錄。輸入
jupyter notebook
運行之後，一方面會出現一個命令行窗口，另一方面會同時打開一個網頁
點擊網頁中的PPO.ipynb。修改其中env_name的值爲剛剛編譯出來的exe名字。注意不要加exe。然後在菜單上選擇Cell->RunAll
運行後，可以看到剛剛編譯出來的exe被運行起來
總結
注意幾個點
- 雖然很多文章表明tensorflow用python3.5比較好，但是沒有深入研究到底有什麼影響。
- 由於Anaconda使用的5.0.0版本，所以默認使用的是python3.6的版本。在這樣的情況下，如果創建python3.5的環境，安裝tensorflow1.2，會出現運行的時候找不到tensorflow的問題。而如果使用python3.6的環境，但是安裝tensorflow1.2，會出現tensorflow. TensorLayer找不到的問題。這些問題花了好多時間排查，需要注意所以最終這裏使用的是Anaconda5.0.0，python3.6以及tensorflow1.3
- 安裝依賴庫的時候需要注意，一定要切換好環境。否則很可能安裝到不同的環境下。這裏安裝前一定會輸入activate tensorflow命令（tensorflow是我創建的環境名）
這是我看到的最全面最詳細的ml-agent講解。（只用於學習與知識分享，如有侵權，聯繫刪除。謝謝！）
來自本人的博客園個人博客。源鏈接：http://www.cnblogs.com/yanghui0702/p/yanghui_20180423.html