Unity已经推出了机器学习代理工具。今天我们将会为大家分享网友Jason Weimann的文章，让大家学会在Window 10上配置Unity机器学习和TensorFlow环境。当成功配置完成后，就可以运行Unity官方提供的机器学习示例项目3D Ball。


特别说明
本篇仅涉及Window 10，后会发布在Mac环境下配置机器学习环境的文章，请注意关注。 请注意软件所对应的版本号，如果版本号不同，可能会导致配置不成功。 下载和安装涉及软件，一定请关闭Unity和Visual Studio请确认你的Windows 10电脑是使用NVIDIA显卡，因为所使用的GPU加速工具包是NVIDIA的CUDA。 在文末我们会提供本文相关资源的下载地址。


安装CUDA工具包
CUDA是NVIDIA推出的CUDA运算平台的工具集，CUDA提供了一个强大的开发环境，用于开发高性能的GPU加速应用。通过CUDA，你能开发、优化和部署你的应用在多种平台，例如GPU加速嵌入式系统、桌面工作站，企业数据中心，云平台和HPC超级计算机。

首先需要下载CUDA 8.0.61。请访问GUDA下载页面，选择下载CUDA Toolkit 8.0 GA2。

下载过程示意图（图 01）

下载完成后运行安装程序，出现图02所示的选择安装界面。请选择Express。按照提示完成CUDA工具包的安装。


安装选择界面（图 02）

安装CUDA深度神经网络库CUDNN
现在下载CUDA深度神经网络库(CUDA Deep Neural Network)，简称CUDNN。它是专门针对深度神经网络框架设计的一套GPU计算加速方案。全世界的深度学习研究者和框架开发者都使用CUDNN来增强GPU计算性能。这让他们能专注于训练神经网络、开发软件应用，不用在低级别的GPU性能调整上耗费时间。CUDNN支持当下流行的各种深度学习框架，包括Caffe2、MATLAB、Microsoft Cognitive Toolkit、TensorFlow和PyTorch等。

访问CUDNN下载页面，选择CUDA 8.0使用的v6.0版本进行下载。

CUDNN下载页面(图 03)


复制CUDNN到工具集文件夹
下载CUDNN v6.0完成后，解压相应的文件，复制bin、include和lib文件夹
到CUDA 8.0工具集文件夹。

如果你安装CUDA时使用的是默认路径，那么该路径就是：
C:\Program Files\NVIDIA GPU Computing Toolkit\cuda\v8


复制bin、include和lib文件夹（图04）


目标文件夹(图 05)

设置环境变量和路径
现在需要给系统添加环境变量和路径。按下Win键，在搜索框输入envir，这样搜索结果就自动出现了环境变量窗口，并选择点击进入。


搜索结果（图 06）

点击“环境变量” (Environment Variables...)按钮。

系统属性窗口（图 07）

点击“新建”按钮，添加新的系统变量。

添加环境变量（图 08）

设置变量名(Variable name)为CUDA_HOME，将变量值(Variable value)设置为:
C:\Program Files\NVIDIA GPU Computing Toolkit\cuda\v8.0，选择“确认(OK)”后就完成环境变量的添加了。
编辑路径Path
在环境变量窗口中系统变量的找到“路径（Path）”，如下图09所示。


环境变量窗口（图 09）

编辑环境变量窗口，将以下路径添加进入。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64

添加路径（图 10）

安装Anaconda
下面安装Anaconda，配置Python环境。访问Anaconda的下载页面，下载Python 3.6，选择64位版本。运行Anaconda安装程序，按照系统提示完成安装并运行Anaconda Prompt。


Pythone 3.6 (图 11）

下一步，我们要创建使用Python 3.5.2的运行环境。在Anaconda Prompt中输入如下指令来创建环境：conda create -n tensorflow-gpu python=3.5.2

然后输入如下指令启动刚刚创建的环境：activate tensorflow-gpu

最后用这个指令安装TensorFlow：pip install tensorflow-gpu

当安装完成后，你就可以输入指令启动Python。指令为：Python

然后输入指令进行测试：import tensorflow as tf

下载和运行示例项目
若要尝试使用Unity机器学习代理(ML-agents)，你需要从GitHub页面上下载示例项目：https://github.com/Unity-Technologies/ml-agents，下载完成后解压到任意位置。

你也可以通过在Git Bash中输入如下指令获取：
git clone https://github.com/Unity-Technologies/ml-agents.git

然后以管理员身份再打开一个Anaconda Prompt。用右键点击Anaconda Prompt，选择以管理员身份运行(Run as administrator)。


以管理员身份运行Anaconda(图 12）

将工作目录更换到刚下载好的ml-agents代码库中python文件夹的位置，也就是解压的位置或git clone时使用的位置。

然后安装Html5lib库，输入如下指令：conda install –force html5lib

然后输入：pip install .
注意：“pip install .”指令中的那个英文句号绝对不能遗漏

如果以上步骤一切正常，你就可以开始用TensorFlow和机器学习配置你的Unity项目了。

资源下载
CUDA:
https://developer.nvidia.com/cuda-80-ga2-download-archive
CUDNN:
https://developer.nvidia.com/cudnn
Anaconda:
https://www.anaconda.com/download/
Unity ML-agents:
https://github.com/Unity-Technologies/ml-agents

小结
我们今天为大家分享的是Windows 10中配置环境。后续我们会为大家分享Mac下如何配置Unity机器学习代理工具环境以及以官方的示例项目3D Ball来告诉大家如何设置Unity中的环境。后续会继续学习如何编写自己的代理，创建AI机器人。对Unity机器学习代理工具感兴趣的开发者们，请关注Unity官方中文论坛(unitychina.cn）！
machine, learning, ml-agent

锐亚教育 锐亚科技 unity unity教程