ml-agents/docs/localized/KR/docs/Installation-Anaconda-Windows.md

Windows 사용자를 위한 ML-Agents Toolkit 설치 방법

ML-Agents toolkit은 Windows 10을 지원합니다. 다른 버전의 Windows 으로도 ML-Agents toolkit은 사용할 수 있지만 검증되지 않았습니다. 또한, ML-Agents toolkit은 Windows VM(Bootcamp 또는 병렬 처리 환경 같은)의 사용 또한 검증되지 않았습니다 .

ML-Agents toolkit을 사용하기 위해, 아래에 설명된것 처럼 Python과 요구되는 Python 패키지를 설치해야 합니다. 이 가이드는 또한 GPU 기반 학습(숙련자를 위한)에 대한 설정 방법을 다룹니다. 현재, ML-Agents toolkit를 위해 GPU 기반 학습은 필요하지 않으나 향후 버전 또는 특정 사항에 필요할 수 있습니다.

단계 1: Anaconda를 통한 Python 설치

Windows 버전의 Anaconda를 다운로드하고 설치하십시오. Anaconda를 사용함으로써, 다른 배포 버전의 Python을 분리된 환경에서 관리할 수 있습니다. Python 2를 더이상 지원하지 않기 때문에 Python 3.5 또는 3.6가 필요합니다. 이 가이드에서 우리는 Python 3.6 버전과 Anaconda 5.1 버전을 사용할 것입니다. (64-bit 또는 32-bit 링크).

디폴트 _advanced installation options_을 선택하는 것을 추천하지만 상황에 따라 적절한 옵션을 선택하십시오.

설치 후에 반드시 Anaconda Navigator 를 열어 설정을 완료해야 합니다. Windows 탐색 창에서, anaconda navigator 를 타이핑하여 Anaconda Navigator 를 열 수 있습니다.

환경 변수가 생성되어있지 않다면 conda 명령어를 타이핑했을 때 "conda is not recognized as internal or external command" 라는 에러가 나올 것입니다. 이를 해결하기 위해 정확한 환경 변수 설정이 필요합니다.

탐색 창에서 환경 변수를 타이핑 하여 (윈도우 키를 누르거나 왼쪽 아래 윈도우 버튼을 통해 열 수 있습니다). 시스템 환경 변수 편집 옵션을 불러옵니다.

이 옵션에서 환경 변수 버튼을 클릭하고. 아래 __시스템 변수__에서 "Path" 변수를 더블 클릭하고 __새로 만들기__를 클릭하여 다음 새 path를 추가하십시오.

%UserProfile%\Anaconda3\Scripts
%UserProfile%\Anaconda3\Scripts\conda.exe
%UserProfile%\Anaconda3
%UserProfile%\Anaconda3\python.exe

단계 2: 새로운 Conda 환경 설정 및 활성화

ML-Agents toolkit과 함께 사용할 새로운 Conda 환경을 만들 것입니다. 이 작업은 설치한 모든 패키지가 이 환경에만 국한된다는 것을 의미합니다. 이는 다른 환경이나 다른 파이썬 설치에 영향을 끼치지 않습니다. ML-Agents를 실행할 때에는 항상 Conda 환경을 활성화 시켜야 합니다.

새로운 Conda 환경을 만들기 위해, 새로운 Anaconda 프롬프트(탐색 창에서 _Anaconda Prompt_를 클릭)를 열고 다음 명령어를 타이핑 하십시오:

conda create -n ml-agents python=3.6

새 패키지를 설치하기 위해 메세지가 나올 경우 y를 타이핑하고 엔터를 누르십시오 (인터넷이 연결되어있는지 확인하십시오). 이 요구되는 패키지들을 반드시 설치해야 합니다. 새로운 Conda 환경에서 Python 3.6 버전이 사용되며 ml-agents가 호출됩니다.

앞서 만든 환경을 이용하기 위해 반드시 활성화를 해야합니다. (향후에 같은 명령어 통해 환경을 재사용할 수 있습니다). 같은 Anaconda 프롬프트에서 다음 명령어를 타이핑 하십시오:

activate ml-agents

활성화 후에 (ml-agents)라는 글자가 마지막 줄 앞에 나타나는 것을 볼 수 있습니다.

다음으로, tensorflow를 설치합니다. 파이썬 패키지를 설치하기 위해 사용하는 pip라는 패키지 관리 시스템를 사용하여 설치할 수 있습니다. 최신 버전의 TensorFlow는 작동하지 않을 수 있으므로, 설치 버전이 1.7.1인지 확인해야 합니다. 같은 Anaconda 프롬프트 창에서 다음 명령어를 타이핑 하십시오.(인터넷이 연결되어 있는지 확인하여 주십시오):

pip install tensorflow==1.7.1

단계 3: 필수 파이썬 패키지 설치

ML-Agents toolkit은 많은 파이썬 패키지에 종속적입니다. pip를 사용하여 이 파이썬 종속성들을 설치하십시오.

ML-Agents Toolkit 깃허브 저장소가 로컬 컴퓨터에 복제되어있지 않았다면 복제하십시오. Git을 (다운로드)하고 실행시킨 후 다음 명령어를 Anaconda 프롬프트창에 입력하여 진행할 수 있습니다. (만약 새 프롬프트 창이 열려있다면 activate ml-agents를 타이핑하여 ml-agents Conda 환경이 활성화 되어있는지 확인하십시오):

git clone https://github.com/Unity-Technologies/ml-agents.git

만약 Git을 사용하고 싶지 않다면 언제든 링크에서 모든 파일을 다운로드 할 수 있습니다.

UnitySDK 하위 디렉토리에는 프로젝트에 추가할 유니티 애셋이 포함되어 있습니다. 또한 시작하는데 도움이 되는 많은 예제 환경들이 있습니다.

ml-agents 하위 디렉토리에는 유니티 환경과 함게 사용하는 심층 강화학습 트레이너 파이썬 패키지가 포함되어 있습니다.

ml-agents-envs 하위 디렉토리에는 ml-agents 패키지에 종속되는 유니티의 인터페이스를 위한 파이썬 API가 포함되어 있습니다.

gym-unity 하위 디렉토리에는 OpenAI Gym의 인터페이스를 위한 패키지가 포함되어 있습니다.

mlagents-learn을 실행할 때 트레이너의 환경 설정 파일이 이 디렉토리 안에 필요하므로, 파일이 다운로드 된 디렉토리의 위치를 기억하십시오. 인터넷이 연결되었는지 확인하고 Anaconda 프롬프트에서 다음 명령어를 타이핑 하십시오t:

pip install mlagents

ML-Agents toolkit을 실행할 때 필요한 모든 파이썬 패키지의 설치를 완료할 것입니다.

Windows에서 가끔 pip를 사용하여 특정 파이썬 패키지를 설치할 때 패키지의 캐쉬를 읽는 것이 막힐 때가 있습니다. 다음을 통해 문제를 해결해 볼 수 있습니다:

pip install mlagents --no-cache-dir

--no-cache-dir는 pip에서 캐쉬를 비활성화 한다는 뜻입니다.

개발을 위한 설치

만약 ml-agents 또는 ml-agents-envs를 수정하고 싶다면, PyPi가 아닌 복제된 저장소로 부터 패키지를 설치해야 합니다. 이를 위해, ml-agents 와 ml-agents-envs 를 각각 설치해야 합니다.

예제에서 파일은 C:\Downloads에 위치해 있습니다. 파일을 복제하거나 다운로드한 후 Anaconda 프롬프트에서 ml-agents 디렉토리 내의 ml-agents 하위 디렉토리로 변경하십시오:

cd C:\Downloads\ml-agents

저장소의 메인 디렉토리에서 다음을 실행하십시오:

cd ml-agents-envs
pip install -e .
cd ..
cd ml-agents
pip install -e .

-e 플래그를 사용하여 pip를 실행 하면 파이썬 파일을 직접 변경할 수 있고 mlagents-learn를 실행할 때 반영됩니다. mlagents 패키지가 mlagents_envs에 의존적이고, 다른 순서로 설치하면 PyPi로 부터 mlagents_envs 를 설치할 수 있기 때문에 이 순서대로 패키지를 설치하는 것은 중요합니다.

(옵션) Step 4: ML-Agents Toolkit를 사용한 GPU 학습

ML-Agents toolkit를 위해 GPU는 필요하지 않으며 학습 중에 PPO 알고리즘 속도를 크게 높이지 못합니다(하지만 향후에 GPU가 이점을 줄 수 있습니다). 이 가이드는 GPU를 사용해 학습을 하고 싶은 고급 사용자를 위한 가이드 입니다. 또한 GPU가 CUDA와 호환되는지 확인해야 합니다. 여기 Nvidia 페이지에서 확인해 주십시오.

현재 ML-Agents toolkit 는 CUDA 9.0 버전과 cuDNN 7.0.5 버전이 지원됩니다.

Nvidia CUDA toolkit 설치

Nvidia 아카이브에서 CUDA 툴킷(toolkit) 9.0을 다운로드하고 설치하십시오. ML-Agents toolkit을 실행시키기 위한 CUDA 툴킷은 GPU 가속 라이브러리, 디버깅-최적화 도구, C/C++(비주얼 스튜디오 2017) 컴파일러, 런타임 라이브러리를 포함합니다. 이 가이드에서는 9.0.176)버전을 사용합니다.

설치하기 전, 실행 중인 유니티 또는 비주얼 스튜디오를 종료했는지 확인하여 주십시오.

인스톨러를 실행하고 Express 옵션을 선택하십시오. CUDA 툴킷을 설치할 디렉토리에 유의해 주십시오. 이 가이드에서는, C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 경로에 설치합니다.

Nvidia cuDNN 라이브러리 설치

Nvidia에서 cuDNN 라이브러리를 다운로드하고 설치하십시오. cuDNN은 심층 신경망을 위한 기본이 되는 GPU 가속 라이브러리. 다운로드 전에 Nvidia Developer Program에 가입해야할 것입니다(무료).

가입하고 cuDNN 다운로드 페이지로 돌아가십시오. 짧은 설문조사에 응답해야 할 수도 있습니다. When you get to the list cuDNN 릴리즈 리스트에서 단계 1에서 설치한 CUDA 툴킷에 맞는 버전을 다운로드하고 있는지 확인하십시오. 이 가이드에서는, CUDA 툴킷 9.0 버전을 위해 7.0.5 버전을 사용합니다 (다운로드 링크).

cuDNN 파일을 다운로드 한 후에, CUDA 툴킷 디렉토리안에 파일을 추출(압축 해제)해야 합니다. cuDNN zip 파일 안에는 세가지 폴더 bin, include, 그리고 lib가 있습니다.

이 세가지 폴더를 CUDA 툴킷 디렉토리안에 복사하십시오. CUDA 툴킷 디렉토리는 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0에 위치해 있습니다.

환경 변수 설정

1개의 환경 변수와 2개의 경로 변수를 추가해야 합니다.

환경 변수를 설정하기 위해, 탐색 창에서 환경 변수를 타이핑 하여 (윈도우 키를 누르거나 왼쪽 아래 윈도우 버튼을 통해 열 수 있습니다). 시스템 환경 변수 편집 옵션을 불러옵니다.

이 옵션에서 환경 변수 버튼을 클릭하고 시스템 변수의 __새로 만들기__를 클릭하십시오 _(사용자 변수가 아닌 아래의 __시스템 변수__인지 확인하십시오).

__변수 이름__을 CUDA_HOME으로 설정하고 변수 값에는 CUDA 툴킷 디렉토리 경로를 입력해 주십시오. 이 가이드에서 디렉토리 경로는 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0 입니다. 확인 버튼을 눌러주십시오.

2개의 경로 변수 설정을 위해 환경 변수 창 그리고 아래 두번째 박스의 __시스템 변수__안에서, Path 변수를 찾아 클릭하고 __편집__버튼을 누르십시오. 리스트에 2개의 디렉토리를 추가할 것입니다. 두 디렉토리는 다음과 같습니다:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\CUPTI\libx64

연관 디렉토리 위치가 설치된 디렉토리 경로인지 확인하십시오. 대소문자에 유의하십시오.

TensorFlow GPU 설치

다음, pip를 사용하여 1.7.1. 버전 tensorflow-gpu를 설치하십시오 . ml-agents Conda 환경을 활성화 시킨 Anaconda 프롬프트에서 CPU용 TensorFlow 삭제하고 GPU용 TensorFlow를 설치하기 위해 다음 명령어를 타이핑 하십시오 (인터넷이 연결되어 있는지 확인하십시오):

pip uninstall tensorflow
pip install tensorflow-gpu==1.7.1

마지막으로, 모든 것이 제대로 설치되어 있고, Tensorflow에서 GPU를 인식하고 있는지 테스트해야합니다. 같은 Anaconda 프롬프트에서 Python을 호출하여 엽니다:

python

그리고 다음 명령어를 타이핑 하십시오:

import tensorflow as tf

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

다음과 비슷한 문장을 볼 수 있을 것입니다:

Found device 0 with properties ...

Acknowledgments

이 가이드를 만들기 위해 사용된 초안을 작성한 Jason Weimann 과 Nitish S. Mutha 에게 감사드립니다.

한글 번역

해당 문서의 한글 번역은 장현준 (Hyeonjun Jang)에 의해 진행되었습니다. 내용상 오류나 오탈자가 있는 경우 totok682@naver.com 으로 연락주시면 감사드리겠습니다.