CodeGize

@echo off
echo 完全路径：%1
echo 去掉引号：%~1
echo 所在分区：%~d1
echo 所处路径不含分区：%~p1
echo 所处路径含分区：%~dp1

echo 文件名：%~n1
echo 扩展名：%~x1
echo 文件属性：%~a1
echo 修改时间：%~t1
echo 文件大小：%~z1
pause

    在Unity使用Prefab过程中，我们有时候需要进行Prefab实例断开引用和替换引用的需求。实现这些需求，使用到的核心的类是PrefabUtility。PrefabUtility是一个静态类，主要用于进行Prefab的相关处理。 这里主要使用以下几种方法

• PrefabUtility.CreateEmptyPrefab
• PrefabUtility.ReplacePrefab
• PrefabUtility.DisconnectPrefabInstance
• PrefabUtility.GetPrefabParent
• PrefabUtility.ConnectGameObjectToPrefab

断开引用

    断开Prefab引用的代码如下

（本文来自：http://www.cnblogs.com/CodeGize  http://www.codegize.com）

安装TF#

TF#，即Tensorflow Sharp是Tensorflow的C#版本。得益于改项目，使得tensorflow集成到unity中成为可能。（TF#的Git：https://github.com/migueldeicaza/TensorFlowSharp）

在ml-agent中，含有一个插件，叫做TFSharpPlugin.unitypackage，包含了TF#和ml-agent。

下载地址：https://s3.amazonaws.com/unity-agents/TFSharpPlugin.unitypackage

如果下载较慢可以使用下面的地址：http://pan.baidu.com/s/1c1XArmC 密码：aej8

安装这个插件，把必要的dll文件添加到原有的工程中（也可以所有文件完全覆盖掉）。

按照官方的说明文档，在unity中选择菜单Editor->ProjectSetting->Player。在OtherSetting下的Scripting Define Symbols中添加一个宏定义ENABLE_TENSORFLOW

准备训练完成的模型数据

在这些工作准备就绪后，按照之前一文《Win10下Unity人工智能代理ml_agent环境安装》搭建环境并且最终运行tensorflow的训练模型。如果一切顺利没有问题，那么就会在ml-agents\python\models\ppo这个目录下生成一个3dball.byte文件。这个就是训练完成的模型数据。将其重命名为3dball_custom.byte（unity工程里面已经含有官方训练好的模型数据文件，也叫3dball.byte，所以这边为了区别进行了重命名）。

使用训练完成的模型数据

• 复制3dball_custom.byte到unity中的Assets\ML-Agents\Examples\3DBall\ TFModels下。
• 打开Assets\ML-Agents\Examples\3DBall下的Scene场景
• 在Hierarchy面板中选择Ball2DAcademy下的Ball3DBrain物体。
• 在Inspector面板中，将Brain组件的Type Of Brain设置为Internal(如果没有这个选项，说明没有在PlayerSetting中设置宏定义)。将Graph Model设置为我们刚刚训练完成的那个模型数据3dball_custom。

简介

        AI人工智能，更准确地说机器学习（machine learning）最近一年非常火热。在最近一段时间，Unity也发布了一个机器学习的工具，叫做ml-agent。

        英文介绍如下：

https://blogs.unity3d.com/cn/2017/09/19/introducing-unity-machine-learning-agents/

        中文介绍如下：

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

        从代码结构上看，ml-agent实现了前端用unity做表现，后端用Phython进行人工智能演算的系统。

搭建环境

主要环境

官方推荐环境如下

• Phython2/3 64位

• ljupyter notebook

• TensorFlow (1.0+) (Training)

• Visual Studio 2017

• Unity3d 2017

隆ml-agent代码库

        从Github网站上克隆（下载）ml-agent，代码，放在任意位置下。

安装Unity2017.2

        从Unity官网下载Unity2017.2，安装。

        下载地址https://store.unity.com/cn/download?ref=personal

安装VS2017

        从微软官网https://www.visualstudio.com/zh-hans/downloads/下载，运行后选择需要的模块。这边虽然有提供python的相关插件，但是我们选择后面单独安装。

安装Anaconda

        从Anaconda官网安装Anaconda5.0.0

        下载地址https://www.anaconda.com/download/#windows

        安装后从开始菜单打开Anaconda Navigator，在左侧选择Environments。在下方菜单中点击Create创建一个环境，取名为tensorflow，python版本选择为3.6。等待环境创建完成。

安装Tensorflow及其依赖库

        从开始菜单中，打开Anacoda Prompt。

        首先激活刚刚创建的环境，输入命令

activate tensorflow

        输入命令安装Tensorflow

pip install –U tensorflow

        等待一段时间直到安装完成。至此完成了Tensorflow最新版本的安装。（目前是1.3.0版本）

        后面还要输入命令，所以暂时不要关闭窗口

安装ml-agent依赖库

        完成Tensorflow安装后，继续在Anacoda Prompt中输入命令切换到ml-agent所在的目录中python目录的位置。比如ml-agent安装目录为D:\Git\ml-agent，则输入

cd D:\Git\ml-agent\python

        如果你的Anaconda不是安装在ml-agent目录相同的磁盘，那么需要切换到ml-agen所在的磁盘。比如这里Anaconda的安装目录为C盘，ml-agent安装目录为D:\ml-agent，则需要切换到D盘，输入

D:

        然后开始安装Demo所需的环境，输入命令

pip install .

        注意，注意不要遗漏最后的点号。等待安装完成即可。此时依然不用关闭这个窗口

运行

编译Unity程序

        Unity的ml-agent提供了多干的demo。这里尝试运行3dball这个demo。

        使用Unity2017打开ml-agent下unity-environment文件夹。

        打开Assets\ML-Agents\Examples\3DBall目录下的scene文件。在场景中选择Ball3DAcademy下的Ball3DBrain物体，将TypeOfBrain修改为External，表示从Tensorflow中获取数据。

        菜单中选择File->Build Setting，添加当前所在场景。（可以勾选Development Build以便查看输出）

        点击PlayerSeting，检查设置

        Resolution and Presentation -> 勾选Run in Background

        Resolution and Presentation -> Display Resolution Dialog设置为disable

        回到Build Setting面板，点击Build，编译到ml-agent的python目录中。名为3dball.exe

运行Jupyter Notebook

        回到Anacoda Prompt命令窗口。注意一定要切换到ml-agent中python所在的目录。输入

jupyter notebook

        运行之后，一方面会出现一个命令行窗口，另一方面会同时打开一个网页

        点击网页中的PPO.ipynb。修改其中env_name的值为刚刚编译出来的exe名字。注意不要加exe。然后在菜单上选择Cell->RunAll

        运行后，可以看到刚刚编译出来的exe被运行起来

总结

        注意几个点

• 虽然很多文章表明tensorflow用python3.5比较好，但是没有深入研究到底有什么影响。

• 由于Anaconda使用的5.0.0版本，所以默认使用的是python3.6的版本。在这样的情况下，如果创建python3.5的环境，安装tensorflow1.2，会出现运行的时候找不到tensorflow的问题。而如果使用python3.6的环境，但是安装tensorflow1.2，会出现tensorflow. TensorLayer找不到的问题。这些问题花了好多时间排查，需要注意所以最终这里使用的是Anaconda5.0.0，python3.6以及tensorflow1.3

• 安装依赖库的时候需要注意，一定要切换好环境。否则很可能安装到不同的环境下。这里安装前一定会输入activate tensorflow命令（tensorflow是我创建的环境名）

Unity编辑器开发：官方风格的Table控件

Table控件能够非常直观地展现批量的数据。在Unity中，Light Explorer就是一个典型的具有Table控件的窗口。

        在Unity开发中，枚举常常被用到。但是Unity自身对于枚举值，并不能做好中文的支持。无论是Head或者ToolTip.如下例：

using UnityEngine;

public class EnumTest : MonoBehaviour
{
    public EmAniType AniType;
}

public enum EmAniType
 {
     Idle,
     Walk,
     Run,
     Atk,
     Hit,
     Die
 }

        在unity中，tag是一个好东西，我们可以用tag来区分物体，也可以通过tag来快速地查找物体。但是美中不足的是，tag是一个字符串string。为什么说美中不足呢？

        因为假如我们在一个脚本里面想要有一个Tag字段，都只能定义一个string字段。

using UnityEngine;

public class TagObjFinder : MonoBehaviour
{
    public string Tag;

    public GameObject[] FindGos { get; private set; }

    public void Start()
    {
        FindGos = GameObject.FindGameObjectsWithTag(Tag);
    }
}

       而这样的话，在编辑器中，就非常不方便填写，也非常容易出错。

(注：按顺序做哦!)

函数图像绘制工具
函数输入框:

        无论是个人开发还是团队开发，养成好的版本管理习惯可以大大提高开发效率。常用的版本管理软件一般用SVN或者Git。尽管2者都在用，但是更加偏好SVN一些。安装TortoiseSVN就可以直接将SVN管理软件集成到Windows的Explorer中了。点击鼠标右键就会有SVN的相关菜单，可以非常方便地CheckOut项目以及Commit和Update。