由於案例訓練方法和ml-agent v0.2不同。v0.2使用jupyter notebook執行ppo.ipynb檔案。但是v0.3改為使用命令列的方法。
所以對博文《ml-agent：win10下環境安裝》做進一步更新，跳過安裝（安裝過程不做修改），從第五步開始。如下所示。
使用unity2017開啟ml-agent下unity-environment資料夾。
開啟assets\ml-agents\examples\3dball目錄下的3dball場景檔案。在場景中選擇ball3dacademy下的ball3dbrain物體，將typeofbrain修改為external，表示從tensorflow中獲取資料。
選單中選擇file->build setting，新增當前所在場景。（可以勾選development build以便檢視輸出）
點選playerseting，檢查設定
resolution and presentation -> 勾選run in background
resolution and presentation -> display resolution dialog設定為disable
回到build setting面板，點選build，編譯到ml-agent的python目錄中。名為3dball.exe
注意，訓練方法和ml-agent v0.2不同。v0.2使用jupyter notebook執行ppo.ipynb檔案。但是v0.3改為使用命令列的方法。我們回到anacoda prompt，輸入以下命令：(先進入到python目錄)
python learn.py 3dball --run-id=test --train
其中如果這這些命令引數感興趣，請參考training ml-agents
進行訓練時，不要關閉，當訓練完成時將會自動關閉。由於訓練的step為5.0e4(5*10的4次方)，如果用cpu算比較慢，可以暫時修改超引數配置檔案trainer_config.yaml，將ball3dbrain下增加一行max_steps: 2.0e4
（注意，由於該檔案採用yaml格式，對檔案的編碼格式和空格要求非常嚴格，如果異常，將無法進行訓練。max前面有4個空格，不是tab。冒號後面有乙個空格，整個檔案採用utf8編碼）。
訓練結果資料儲存在models\test\下，使用bytes檔案請參考ml-agents：通過tf#(外掛程式)使用訓練完成的模型資料
win10環境下tensorflow gpu安裝
踩了很多坑，浪費了一下午時間，在此記錄一下。注意 只能用8.0 其中，cudnn的安裝方法是將cudnn下面的三個資料夾 bin,include,lib 複製到cuda 8.0資料夾。裝完以後執行，出現以下錯誤 importerror no module named pywrap tensorflo...
Win10環境下安裝pytorch
注意 pytorch0.4.0才開始支援windows pip install pytorch torchvision這個是安裝命令，不用多說 下面看看遇到的問題 反正就是不行，但是我換linux一次就搞定，不得不說對win相容性真差勁。命令列如下 pip3 install pip3 install...
windows10環境下執行Debug
1.什麼是debug?debug是dos windows都提供的實模式 8086方式 程式的除錯工具。使用它，可以檢視cpu各種暫存器中的內容 記憶體的情況和在機器碼級別跟蹤程式的執行。2.常用的debug功能 用debug的r命令檢視 改變cpu暫存器的內容 用debug的d命令檢視記憶體中的內容...