Utilisation de ML-Agents sur Hugging Face

ml-agents est un kit d’outils open source qui permet aux jeux et simulations créés avec Unity de servir d’environnements pour l’entraînement d’agents intelligents.

Explorer ML-Agents dans le Hub

Vous pouvez trouver les modèles ml-agents en filtrant à gauche de la page des modèles.

Tous les modèles du Hub sont dotés de fonctionnalités utiles :

1. Une carte de modèle générée automatiquement, avec une description, une configuration d'entraînement et plus encore.
2. Balises de métadonnées qui aident à la découvrabilité.
3. Fichiers de récapitulatif Tensorboard pour visualiser les métriques d'entraînement.
4. Un lien vers la démo web Spaces où vous pouvez visualiser votre agent en train de jouer dans votre navigateur.

Installer la bibliothèque

Pour installer la bibliothèque ml-agents, vous devez cloner le dépôt :

# Clone the repository
git clone https://github.com/Unity-Technologies/ml-agents

# Go inside the repository and install the package
cd ml-agents
pip3 install -e ./ml-agents-envs
pip3 install -e ./ml-agents

Utilisation de modèles existants

Vous pouvez simplement télécharger un modèle depuis le Hub à l'aide de mlagents-load-from-hf.

mlagents-load-from-hf --repo-id="ThomasSimonini/MLAgents-Pyramids" --local-dir="./downloads"

Vous devez définir deux paramètres :

• --repo-id : le nom du dépôt Hugging Face que vous souhaitez télécharger.
• --local-dir : le chemin de téléchargement du modèle.

Visualiser un agent en train de jouer

Vous pouvez facilement regarder n’importe quel modèle jouer directement dans votre navigateur :

1. Accédez à votre dépôt de modèle.
2. Dans la section Watch Your Agent Play, cliquez sur le lien.
3. Dans la démonstration, à l'étape 1, choisissez votre dépôt de modèle, qui correspond à l'identifiant du modèle.
4. À l'étape 2, choisissez le modèle que vous souhaitez rejouer.

Partager vos modèles

Vous pouvez facilement téléverser vos modèles à l'aide de mlagents-push-to-hf :

mlagents-push-to-hf --run-id="First Training" --local-dir="results/First Training" --repo-id="ThomasSimonini/MLAgents-Pyramids" --commit-message="Pyramids"

Vous devez définir quatre paramètres :

• --run-id : le nom de l'identifiant d'exécution d'entraînement.
• --local-dir : l’endroit où le modèle a été enregistré.
• --repo-id : le nom du dépôt Hugging Face que vous souhaitez créer ou mettre à jour. Il est de la forme <your huggingface username>/<the repo name>.
• --commit-message.

Ressources supplémentaires

• Documentation ML-Agents
• Démonstrations officielles des espaces Unity ML-Agents demos