localized_docs/KR/docs/Using-Docker.md

# ML-Agents 용 도커 사용법

도커를 사용해 추론과 학습을 하고자하는 Windows와 Mac 사용자를 위한 솔루션을 제공합니다. 이것은 Python과 TensorFlow 설치를 피하고자 하는 분에게 매력적인 옵션이 될 것입니다. 현재 설정은 TensorFlow와 Unity가 CPU를 통해서만 계산하도록 합니다. 따라서 도커 시뮬레이션은 GPU를 사용하지 않고 시각적 렌더링을 위해 Xvfb를 사용합니다. Xvfb는 ML-Agents(또는 다른 응용 프로그램)가 가상으로 렌더링을 할 수 있게하는 유틸리티 입니다. 즉, ML-Agents를 실행하는 기계가 GPU를 가지고 있거나 디스플레이를 가지고 있다고 가정하지 않습니다. 이것은 카메라 기반의 시각적 관찰 요소가 포함된 환경은 더욱 느려질 수도 있음을 의미합니다.

요구사항

• 유니티 Linux Build Support 컴포넌트
• 도커

설치

• 유니티 인스톨러를 다운로드하고 Linux Build Support 컴포넌트를 추가하십시오.

• 도커가 설치되어 있지 않다면 다운로드하고 설치 하십시오.

• 호스트 머신과 분리된 환경에서 도커를 실행하기 때문에, 호스트 머신안에 마운트된 디렉토리는 트레이너 환경 설정 파일, 유니티 실행 파일, 커리큘럼 파일과 TensorFlow 그래프와 같은 데이터를 공유하기위해 사용됩니다. 이를 위해, 편의상 비어있는 unity-volume 디렉토리를 저장소의 루트에 만들었으나, 다른 디렉토리의 사용은 자유롭게 할 수 있습니다. 이 가이드의 나머지 부분에서는 unity-volume 디렉토리가 사용된다고 가정하고 진행됩니다.

사용법

ML-Agents 용 도커 사용에는 세 단계가 포함됩니다.: 특정 플래그를 사용하여 유니티 환경 빌드, 도커 컨테이너 빌드 마지막으로, 컨테이너 실행. 만약 ML-Agents 용 유니티 환경 빌드에 익숙하지 않다면, 3D 밸런스 볼 예제와 함께 시작하기 가이드를 먼저 읽으십시오.

환경 빌드 (옵션)

학습을 위해 에디터 사용을 원한다면 이 단계를 건너뛸 수 있습니다.

도커는 일반적으로 호스트 머신과 (리눅스) 커널을 공유하는 컨테이너를 실행하기 때문에, 유니티 환경은 리눅스 플랫폼이 구축되어야 합니다. 유니티 환경을 빌드할 때, 빌드 세팅 창(Build Settings window)에서 다음 옵션을 선택해 주십시오:

• 타겟 플랫폼을 리눅스로 설정 (Set the Target Platform to Linux)
• _아키텍처_를 x86_64'로 설정 (Set the _Architecture_ to x86_64`)
• 환경에서 시각적인 관찰을 필요로 하지않는다면, headless 옵션을 선택할 수 있습니다 (아래 사진 참조).

빌드 (Build)를 클릭하고, 환경 이름을 선택하고 (예시: 3DBall) 출력 디레토리를 unity-volume으로 설정하십시오. 빌드 후에, 파일 <환경 이름>.x86_64 와 하위디렉토리 <환경 이름>_Data/ 가 unity-volume 에 생성 되어있는지 확인하십시오.

도커 컨테이너 빌드

첫 번째, 도커 머신이 시스템에서 작동하는지 확인하십시오. 저장소의 최상단에서 다음 명령어를 호출하여 도커 컨테이너를 빌드하십시오:

docker build -t <image-name> .

<image-name>을 도커 이미지 이름으로 바꾸십시오, 예시: balance.ball.v0.1.

도커 컨테이너 실행

저장소의 최상단에서 다음 명령어를 호출하여 도커 컨테이너를 실행하십시오:

docker run --name <container-name> \
           --mount type=bind,source="$(pwd)"/unity-volume,target=/unity-volume \
           -p 5005:5005 \
           <image-name>:latest \
           --docker-target-name=unity-volume \
           <trainer-config-file> \
           --env=<environment-name> \
           --train \
           --run-id=<run-id>

인수(argument) 값 정보:

• <container-name> 은 컨테이너를 구분하기위해 사용됩니다 (컨테이너를 인터럽트하거나 종료시킬 때). 이것은 선택사항이며 설정하지 않았을 경우 도커는 랜덤한 이름을 생성합니다. 도커 이미지를 실행할 때마다 고유한 이름을 가져야함에 유의하십시오.
• <image-name> 컨테이너를 빌드할 때 사용할 image name을 참조합니다.
• <environment-name> (옵션): 리눅스 실행파일과 함께 학습을 할 경우, 인수 값이 실행파일의 이름이 된다. 에디터에서 학습을 할 경우, <environment-name> 인수를 전달하지 말고 유니티에서 "Start training by pressing the Play button in the Unity Editor" 메세지가 화면에 표시될 때 :arrow_forward: 버튼을 누르십시오.
• source: 유니티 실행파일을 저장할 호스트 운영체제의 경로를 참조합니다.
• target: 도커가source 경로에 이 이름을 가진 디스크로 마운트하도록 합니다.
• docker-target-name: ML-Agents 파이썬 패키지에게 유니티 실행파일을 읽고 그래프를 저장할 수 있는 디스크의 이름을 알려준다. 그러므로 target과 동일한 값을 가져야 합니다.
• trainer-config-file, train, run-id: ML-Agents 인자들은 mlagents-learn로 전달됩니다. 트레이너 설정 파일의 이름 trainer-config-file, 알고리즘을 학습하는 train, 그리고 각 실험에 고유한 식별자를 태깅하는데 사용되는 run-id. 컨테이너가 파일에 접근할 수 있도록 trainer-config 파일을 unity-volume 안에 둘 것을 권장합니다.

3DBall 환경 실행파일을 학습하기 위해 다음 명령어가 사용됩니다:

docker run --name 3DBallContainer.first.trial \
           --mount type=bind,source="$(pwd)"/unity-volume,target=/unity-volume \
           -p 5005:5005 \
           balance.ball.v0.1:latest 3DBall \
           --docker-target-name=unity-volume \
           trainer_config.yaml \
           --env=3DBall
           --train \
           --run-id=3dball_first_trial

도커 마운트에 대한 세부 사항은 도커의 이 문서를 참고해 주십시오.

참고 도커를 사용해 시각적인 관찰을 포함한 환경을 학습할 경우, 콘테이너를 위해 할당한 도커의 디폴트 메모리를 늘려야할 것입니다. 예를 들어, 여기 Mac 사용자를 위한 도커 지시사항을 봐주십시오.

컨테이너 중지 및 상태 저장

학습 진행 상황에 만족했을 경우, 상태를 저장하는 동안 Ctrl+C or ⌘+C (Mac) 키를 사용하거나 다음 명령어를 통해 도커 컨테이너를 중지할 수 있습니다:

docker kill --signal=SIGINT <container-name>

<container-name> 은 docker run 명령어에 지정된 컨테이너 이름입니다. 지정하지 않으면 무작위로 생성되며docker container ls를 통해 확인할 수 있습니다.

한글 번역

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