前言：

        通过前面两篇博客的介绍，大家现在已经能部署好Unity环境制造数据并且训练自己的模型。

        两篇博客的地址：

        使用深度学习在Unity环境中训练Donkey Car —— 环境搭建和数据制造 - 简书

        使用深度学习在Unity环境中训练Donkey Car —— 训练模型 - 简书

        今天这篇博客则是最后一步，验证自己训练的模型在Unity中驾驶Donkey Car的效果怎么样！（文中有最终效果演示视频链接）

开启服务：

        在使用模型之前需要知道Unity是如何与python通信的！

        由于我们是在python中编写的代码，因此我们必须首先找到一种方法来使Python与Unity环境进行通信。通信是通过Websocket协议完成的。与HTTP不同，Websocket协议允许服务器和客户端之间的双向双向通信。在这里，我们的python“服务器”可以直接将消息推送到Unity（例如转向和节速度），我们的Unity“客户端”也可以将信息（拍摄图片）推送回python服务器。在python“服务器”与Unity传递信息时会涉及解码和编码的工作，如将图片编码成数据流的形式传入“服务器”，“服务器”收到收到数据流会进行一个解码，再将解码得到的信息传入网络，网络输出的数值也会再次转换为数据流传给“服务器”，最终服务器再传给Unity。（具体代码在tcp_server.py文件中）

我们之前训练好的模型在outputs文件夹下，现在就要使用训练好的模型开启服务：

1、首先在“sdsandbox-master”文件夹内打开Power Shall（如图）

打开power shall

2、输入“python src/predict_server.py --model=outputs/mymodel.h5”指令开启服务  （mymodel.h5是我当时保存的模型，每个人自己保存的模型名字可能不一样）

运行python“服务器”

驾驶Donkey Car：

        打开服务器之后再进入Unity环境中，点击开始按钮，再单击右上方的“Use NN Steering”按钮（第三个空白按钮，至于为什么是空白的，我已经在第一篇博客做了解释）。

运行环境，连接服务器

此时Unity会连接上python“服务器”（如图）

建立连接

        这样Donkey Car就通过我们自己训练的模型在道路上行驶。

        我在bilibili上传了一段视频（这段视频演示了 “有模型驾驶Donkey Car” 和 “无模型驾驶Donkey Car” 之间的区别，通过对比可以明显看出有多有趣！！！）。视频链接：“有模型驾驶Donkey Car” 和 “无模型驾驶Donkey Car” 之间的区别

总结：

        首先需要说明的是训练Donkey Car的数据不要过大，过大容易使模型过拟合，会出现开着开着就跑出去了，制造数据的操作重复5次即可。建议大家搭建好GPU环境，因为GPU训练速度快太多了。大家如果想提升速度可以通过对训练数据名修改，将里面的速度值提高到2或3，同时在启动服务器之前需要将predict_server.py 中的默认速度调成与训练速度值一致（如训练数据为2，默认速度也改为2）.

        在Unity中训练Donkey Car到此就结束了，整个过程不难，十分有趣，大家可以在业余时间娱乐娱乐，有闲钱的小伙伴也可以买个真的Donkey Car在现实环境中玩玩！！