가장 기초만 정리 1. 가상환경 목록 확인 $ conda env list 2. 가상환경 생성 $ conda create -n test python=3.7 -n은 이름을 정하겠다는 옵션이고 test자리에 이름을 넣으면됨 python=xxx을 사용하면 python버전을 지정할수 있음 3. 가상환경 활성화 $ conda activate test 4. 가상환경 비활성화 conda deactivate 5. 패키지 설치 conda install numpy=1.2 마찬가지로 끝에 =x.xx을쓰면 버전을 명시할수있고 생략가능 패키지 삭제는 install대신 remove를 적으면 됨 6. 설치된 패키지 목록확인 conda list
나중에 기억하기위한용도로 작성 1. 우선 Anaconda를 설치 가상환경을 사용하여 혹여나 다른 파이썬 패키지에 영향이 가지않게 하기위함 2. 가상환경 만들기 아나콘다 프롬프트를 열어서 conda create -n ml-agents python=3.7 이러면 ml-agents라는 가상환경이 만들어지게됨 현재로서는 ML-Agents는 파이썬 3.6~3.7까지 지원한다고함 그리고 activate ml-agents를 입력해서 방금만든 가상환경을 액티브시킴 3. 파이토치 설치 pip3 install torch~=1.7.1 -f https://download.pytorch.org/whl/torch_stable.html 를 입력하면 파이토치가 설치됨 4. ml-agents 파이썬패키지 설치 python -m pip..
ML-Agents링크1 ML-Agents링크2 MA-POCA(이하poca)알고리즘 설명 링크 두개 특징을 요약하자면 협력적 행동에 특화된 학습방법이다. 에이전트들을 그룹으로 묶은 후(BehaviourName이 같아야함 즉 같은모델이어야 함) 그룹보상과 개인보상을 나누어 주면서 학습을 시키는것이다. 같은 Behaviour를 가지면서 다중에이전트가 협력해야하는 프로젝트에 쓰면된다. 중간에 에이전트가 죽거나 다른 기획상의 이유로 비활성화 시켜도 그룹보상으로 팀이 승리하는 법을 학습한다고 한다. 유니티 예제프로젝트의 예제씬들을 보면 자기자신은 패널티를받아도 팀이 승리하는길을 택하는 AI의 모습을 확인할수 있었다. (DungeonEscape예제) 다만, 코드를 좀 수정해야한다. 먼저 에이전트 그룹으로 쓸 변수를 ..
근데 사실 영상대로만들면 파티클 입자만 15000개라서 이대로써도 되는지는 의문이다. 따라만들어본 이펙트 포스트 프로세싱은 안썻다.
Draw a field only if a condition is met Until now when I wanted to make a field appear in the inspector I made a custom inspector, but I got tired of it, so I decided to make an attribute.... forum.unity.com 한 스크립트를 여러 게임오브젝트가 사용하여야 할 경우 오브젝트A에겐 필요하지만 오브젝트B에게는 필요없는 변수가 있을 수 있다. 물론 그런상황이 안오게 만드는게 베스트지만 어쩔수 없는 경우가 있을것이다. 그럴때 필요없는변수가 인스펙터에 노출되어 있다면 코드를 직접 짠사람이 코멘트를 남겨놨다해도 누군가 모르고 건드릴수 있는일이다. 그럴때 사용..