Uso de ML-Agents en Hugging Face

ml-agents es un kit de herramientas de código abierto que permite que los juegos y simulaciones creados con Unity sirvan como entornos para entrenar agentes inteligentes.

Explorando ML-Agents en el Hub

Puedes encontrar los modelos de ml-agents filtrando a la izquierda de la página de modelos.

Todos los modelos del Hub vienen con características útiles:

1. Una tarjeta de modelo generada automáticamente con una descripción, una configuración de entrenamiento y más.
2. Etiquetas de metadatos que ayudan a la descubribilidad.
3. Archivos de resumen de Tensorboard para visualizar las métricas de entrenamiento.
4. Un enlace a la demo web de Spaces donde puedes visualizar a tu agente jugando en tu navegador.

Instalar la biblioteca

Para instalar la biblioteca ml-agents, debes clonar el repositorio:

# 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

Uso de modelos existentes

Puedes simplemente descargar un modelo del Hub usando mlagents-load-from-hf.

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

Debes definir dos parámetros:

• --repo-id: el nombre del repositorio de Hugging Face que deseas descargar.
• --local-dir: la ruta para descargar el modelo.

Visualizar a un agente jugando

Puedes ver fácilmente a cualquier modelo jugando directamente en tu navegador:

1. Vaya a su repositorio de modelos.
2. En la sección Watch Your Agent Play, haga clic en el enlace.
3. En la demostración, en el paso 1, elija su repositorio de modelos, que es el id del modelo.
4. En el paso 2, elija qué modelo desea reproducir.

Compartir tus modelos

Puedes subir tus modelos fácilmente usando 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"

Debes definir cuatro parámetros:

• --run-id: el nombre del identificador de la ejecución de entrenamiento.
• --local-dir: dónde se guardó el modelo.
• --repo-id: el nombre del repositorio de Hugging Face que deseas crear o actualizar. Es <your huggingface username>/<the repo name>.
• --commit-message.

Recursos adicionales

• ML-Agents documentación
• Demos oficiales de Unity ML-Agents Spaces demos