Hub documentation
Menggunakan ML-Agents di Hugging Face
Single Sign-On (SSO) Log Audit Wilayah Penyimpanan Data Studio untuk dataset privat Grup Sumber Daya (Kendali Akses) Opsi Komputasi Lanjutan Keamanan Lanjutan Manajemen Token Akun Layanan Analitik Penerbit Koleksi Grup Gating Keamanan Jaringan Analitik Unduhan Batas Laju Artikel Blog
PRO Plan Repositori Memulai dengan Repositori Pengaturan Repository Batas Penyimpanan Storage Backend (Xet) Cache Lokal Pull Requests & Discussions Notifikasi Koleksi Webhooks GitHub Actions Notebooks Langkah Selanjutnya Lisensi
Model Model Hub Kartu Model Hasil Evaluasi Data Papan Peringkat Model Bergerbang Mengunggah Model Mengunduh Model Perpustakaan Terintegrasi
Dataset Adapters AllenNLP BERTopic Asteroid Diffusers ESPnet fastai Flair Keras TF-Keras (legacy) ML-Agents mlx-image MLX OpenCLIP PaddleNLP peft RL-Baselines3-Zoo Sample Factory Sentence Transformers SetFit spaCy SpanMarker SpeechBrain Stable-Baselines3 Stanza TensorBoard timm Transformers Transformers.js Unity Sentis
Widget Model Inferensi Model Statistik Unduhan Model Daftar Periksa Rilis Model Perangkat Keras Aplikasi Lokal Pertanyaan yang Sering Diajukan Topik Lanjutan Ikhtisar Dataset Kartu Dataset Dataset Bergerbang Mengunggah Dataset Mengunggah Dataset (untuk LLM) Mengunduh Dataset Streaming Dataset Perpustakaan Terintegrasi Data Studio Jejak Agen Statistik Unduhan Dataset
Spaces Ikhtisar Spaces Peningkatan GPU Spaces Spaces ZeroGPU Spaces Dev Mode Penggunaan Disk & Penyimpanan Spaces Spaces Domain Kustom Spaces sebagai server MCP Spaces sebagai Alat Agen Spaces sebagai Endpoint API Gradio Spaces Spaces Streamlit Static HTML Spaces Docker Spaces Embed Space Anda Jalankan Spaces dengan Docker Referensi Konfigurasi Spaces Tombol Masuk dengan HF Spaces Unggulan Riwayat Perubahan Spaces Topik Lanjutan
Storage Buckets new Gambar Container new Tugas Ikhtisar Tugas Mulai Cepat Harga dan Penagihan Kelola Tugas Konfigurasi Menggunakan gambar Docker Menyajikan Model Melatih Model Contoh & Tutorial Memproses Dataset Besar Jadwalkan Tugas Otomasi Webhook Referensi
Agen Ikhtisar Agen Hugging Face CLI untuk AI Agents Hugging Face MCP Server Hugging Face Agent Skills Membangun agen dengan HF SDK Agen Lokal dengan llama.cpp Perpustakaan Agen Format Jejak Sesi
Lainnya Menggunakan ML-Agents di Hugging Face
ml-agents adalah toolkit open-source yang memungkinkan game dan simulasi yang dibuat dengan Unity untuk berfungsi sebagai lingkungan dalam melatih agen cerdas.
Menjelajahi ML-Agents di Hub
Anda dapat menemukan model ml-agents dengan memfilter di sisi kiri halaman model.
Semua model di Hub dilengkapi dengan fitur yang berguna:
- Kartu model yang dihasilkan secara otomatis dengan deskripsi, konfigurasi pelatihan, dan lainnya.
- Tag metadata yang membantu untuk kemudahan penemuan.
- File ringkasan Tensorboard untuk memvisualisasikan metrik pelatihan.
- Tautan ke demo web Spaces di mana Anda dapat memvisualisasikan agen Anda bermain di browser Anda.

Instal pustaka
Untuk menginstal pustaka ml-agents, Anda perlu mengkloning repo:
# 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-agentsMenggunakan model yang sudah ada
Anda dapat dengan mudah mengunduh model dari Hub menggunakan mlagents-load-from-hf.
mlagents-load-from-hf --repo-id="ThomasSimonini/MLAgents-Pyramids" --local-dir="./downloads"Anda perlu mendefinisikan dua parameter:
--repo-id: nama repo Hugging Face yang ingin Anda unduh.--local-dir: jalur untuk mengunduh model.
Visualisasikan agen yang sedang bermain
Anda dapat dengan mudah menonton model mana pun bermain langsung di browser Anda:
- Buka repo model Anda.
- Di bagian
Watch Your Agent Play, klik tautannya. - Pada demo, di langkah 1, pilih repositori model Anda, yaitu model id.
- Pada langkah 2, pilih model yang ingin Anda putar ulang.
Berbagi model Anda
Anda dapat dengan mudah mengunggah model Anda menggunakan 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"Anda perlu mendefinisikan empat parameter:
--run-id: nama id run pelatihan.--local-dir: tempat model disimpan.--repo-id: the name of the Hugging Face repo you want to create or update. It’s<your huggingface username>/<the repo name>.--commit-message.