你好，我是郑洪智，你的技术探路者。

洪流学堂公众号回复OTC，关注比赛全纪录。

一直对AI很感兴趣，去年就参加了Unity的ML-Agents Challenge，今年Unity的AI比赛再次升级，手痒痒，就召集了一个小伙伴和我一起参加。

这个比赛很简单，就是用AI训练一个模型，来玩一个Unity出的爬塔的游戏，爬的越高得分越高。

今天先来熟悉下整个比赛，将环境搭建好。

比赛主页链接：
https://www.aicrowd.com/challenges/unity-obstacle-tower-challenge

整个环境的搭建都在这个Git库中：
https://github.com/Unity-Technologies/obstacle-tower-challenge

下面我们开始一步一步搭建这个环境。

1.clone版本库

使用git clone这个版本库：
https://github.com/Unity-Technologies/obstacle-tower-challenge

2. 安装python依赖包

在版本库的目录中，执行：

pip install -r requirements.txt

这台机子之前换了硬盘，python竟然没了，重装python。

python安装

开始安装了3.7.2，鄙人喜欢用最新的，安装前就隐隐的不安，感觉要出事，果然安装requirements的时候提示：

mlagents-envs requires Python '>=3.5,<=3.7' but the running Python is 3.7.2

再回去下载3.6的版本，再执行：

pip install -r requirements.txt

一定要安装3.5或3.6的python

3. 下载游戏程序

https://github.com/Unity-Technologies/obstacle-tower-env#download-the-environment

将游戏程序放在目录里，目录结构是这样的（windows）：

│  .gitignore
│  aicrowd.json
│  apt.txt
│  banner.png
│  build.sh
│  env.sh
│  LICENSE
│  README.md
│  requirements.txt
│  run.py
│  run.sh
│              
└─ObstacleTower
    │  obstacletower.exe
    │  UnityCrashHandler64.exe
    │  UnityPlayer.dll
    │  
    ├─MonoBleedingEdge           
    └─ObstacleTower_Data

4.直接运行

python run.py

运行没啥效果，因为还没写任何训练的代码：

还需要读读论文，看看整个系统应该使用什么样的模型比较好。

5.注册GCP（略过，明天再搞）

Unity在这里给Google Cloud Platform打了个广告，可以在谷歌云平台上训练模型，初始有$300免费的额度，注册的过程中遇到了一些小问题，先略过，后面再回来看问题是什么。

6.如何提交成绩

具体文档在这
https://github.com/Unity-Technologies/obstacle-tower-challenge#submission
，我把过程再记录一下。

1)创建版本库

需要在https://gitlab.aicrowd.com上面创建一个私有版本库。

如果你是使用HTTP访问，需要创建一个Token来访问，不能直接用账号密码。创建Token的时候需要注意一定要选择api这一项，否则后面会出现无法上传代码的问题（别问我怎么知道，我也是刚从坑里爬出来）：

创建的Token一定要记下来，因为忘记了只能重新创建，无法找回来了。

2)版本库结构

上传的版本库至少要包含两个文件，一个是：

aicrowd.json

{
    "challenge_id" : "unity-obstacle-tower-challenge-2019",
    "grader_id": "unity-obstacle-tower-challenge-2019",
    "authors" : ["aicrowd-user"],
    "description" : "Random Obstacle Tower agent",
    "gpu": false
}

其中authors表示作者，也就是参赛者；
gpu表示是否需要gpu参与模型的评估。

还有一个是

代码入口

评估的时候会使用根目录的run.sh文件来执行代码，所以根目录一定要有一个run.sh文件。

3)上传代码

正常commit，push代码即可

但是如果需要参与模型评估的话，需要push tag来触发评估。

git tag -am "v0.1" v0.1
git push origin master
git push origin v0.1

push tag后你可以在这个地址看到评估的结果：
gitlab.aicrowd.com/<YOUR_AICROWD_USER_NAME>/obstacle-tower-challenge/issues

总结

今天将整个环境搭建好了，流程大概梳理清楚了，下一步就得看论文了。

洪流学堂公众号回复OTC，关注比赛全纪录。