激动人心的2017年已结束，博客WildML的作者、曾在Google Brain做了一年Resident的Denny Britz，就分享出这一年他对AI和深度学习领域重点事件的回顾与梳理。可以说，这16个要点，能在让你在人工智能圈子里装逼一年不落伍！

- 强化学习在游戏中全面压制人类选手 -

2017年的第一件大事无疑当数AlphaGo。这套强化学习方案击败了全球最出色的围棋选手。由于拥有巨大的搜索空间，围棋一直是机器学习技术难以攻克的重要挑战所在，AlphaGo的出现则带来了巨大的惊喜！

AlphaGo研究论文

https://storage.googleapis/deepmind-media/alphago/AlphaGoNaturePaper.pdf

AlphaGo的初始版本利用来自人类专家的训练数据作为指导，并通过自我推衍以及蒙特卡洛树搜索作出进一步改进。在不久之后，AlphaGo Zero在此基础之上更进一步，其能够学会如何从零开始进行围棋对弈，且无需任何人工训练数据。此外，它还轻松击败了AlphaGo的初始版本。

AlphaGo Zero研究论文

https://nature/articles/nature24270.epdf?author_access_token=VJXbVjaSHxFoctQQ4p2k4tRgN0jAjWel9jnR3ZoTv0PVW4gB86EEpGqTRDtpIz-2rmo8-KG06gqVobU5NSCFeHILHcVFUeMsbvwS-lxjqQGg98faovwjxeTUgZAUMnRQ

在2017年底，我们再度迎来AlphaGo Zero的全新算法AlphaZero，其不仅在围棋领域无可匹敌，同时亦快速称霸国际象棋与日本将棋。有趣的是，这些程序甚至令最具经验的职业棋手们敬佩不已，并开始从AlphaGo当中学习以调整自己的竞技风格。为了简化这种学习过程，DeepMind小组还发布了专门的AlphaGo Teach工具。

AlphaZero

https://arxiv.org/abs/1712.01815

AlphaGo Teach

https://alphagoteach.deepmind/

不过围棋绝不是我们在机器学习领域取得显著成就的唯一领域。来自卡耐基梅隆大学的研究人员们开发出的 Libratus 系统在一场为期20天的德州扑克锦标赛当中成功击败了各位顶级选手。而在此之前，由查尔斯大学、捷克技术大学以及艾伯塔大学研究人员们开发的DeepStack系统则成为首款能够在德州扑克领域压倒人类选手的成果。需要注意的是，这两套系统都只能进行单人扑克竞赛，即一对一比赛——这类情况要比多人扑克简单得多。不过相信多方扑克支持能力将会在2018年内逐步得到实现。

Libratus论文：

http://science.sciencemag.org/content/early/2017/12/15/science.aao1733.full

强化学习的下一个发展领域似乎将面向更为复杂的多人游戏——其中当然也包括多人扑克比赛。DeepMind小组目前正在积极研究《星际争霸2》并已经发布研究环境；OpenAI则在一对一的《Dota 2》游戏当中初步获得成功，预计将能够在不久的未来实际参与五对五正式游戏比赛。

星际争霸2研究环境

https://deepmind/blog/deepmind-and-blizzard-open-starcraft-ii-ai-research-environment

Open AI Dota2

https://blog.openai/dota-2

- 进化算法再度回归 -

对于监督学习，基于梯度的反向传播算法已经获得了非常好的效果，而且这一点很可能在未来一段时间内继续得到保持。然而在强化学习层面，进化策略（简称ES）则似乎正在东山再起。由于数据通常不符合iid原则（即独立且分布相同），因此错误信号将更加稀疏; 而且由于需要进行探索，所以其它非基于梯度型算法往往效果更为理想。另外，进化算法将能够以线性方式扩展至数千台设备当中，从而实现极快的并行熟练工。其不需要昂贵的GPU资源，而可通过大量（通常为数百乃至数千）低成本CPU实现训练。

2017年早些时候，来自OpenAI的研究人员们证明，进化策略可以实现与标准强化学习算法（例如Deep Q-Learning）相媲美的处理效能。而到2017年底，Uber的一个团队发布了一篇博文与一组五篇研究论文，旨在进一步展示遗传算法与新颖性检索的潜力。利用一种非常简单的遗传算法，且无需任何梯度信息，其算法即可学会如何游玩多种不同的雅达利游戏。其最终得分达到10500，相比之下DQN、AC3以及ES等方法的得分则统统低于1000分。

相关论文：

https://eng.uber/deep-neuroevolution

2018年，我们很可能看到这方面出现更多研发成果。

- WaveNets、CNN以及关注机制 -

谷歌的Tacotron 2文本到语音转换系统能够生成令人印象深刻的音频样本，其基于WaveNet——一种亦被部署于谷歌助手当中的自动回归模型，且在过去一年中实现了巨大的速度提升。WaveNet此前亦被应用于机器翻译领域，能够显著加快回归架构的训练速度。

单从回归架构的角度来看，投入大量时间对其加以训练似乎成为这一机器学习子领域当中的主流趋势。不过在Attention Is All You Need（论文）的帮助下，研究人员们得以彻底摆脱回归与卷积等方法，转而利用一套更为复杂的关注机制在更短的训练时间之内获得最为出色的训练成果。

谷歌Tacotron 2

https://research.googleblog/2017/12/tacotron-2-generating-human-like-speech.html

音频样本

https://google.github.io/tacotron/publications/tacotron2/index.html

WaveNet

https://deepmind/blog/wavenet-generative-model-raw-audio/ https://deepmind/blog/high-fidelity-speech-synthesis-wavenet/

Attention Is All You Need论文

https://arxiv.org/abs/1706.03762

- 深度学习框架的爆发元年 -

如果要用一句话来总结整个2017年，那么我会将其称为框架爆发的元年。Facebook凭借着PyTorch首开先河，由于其动态图形结构与Chainer非常类似，因此PyTorch得到了自然语言处理研究人员们的高度支持——这主要是由于他们经常需要处理动态且复杂的结构，而这些结构往往很难在静态框架（例如TensorFlow）当中进行声明。

当然，TensorFlow在2017年同样获得了辉煌的成功。TensorFlow 1.0于2017年2月发布，其中包含一个稳定且向下兼容的API。目前TensorFlow的最新版本为1.4.1。除了主框架之外，TensorFlow还拥有多种配套库，包括用于动态计算图的TensorFlow Fold、用于数据输入管道的TensorFlow Transform以及DeepMind开发的高级Sonnet库。TensorFlow团队亦公布了一套新的迫切执行（eager execution）模式，其工作方式类似于PyTorch当中的动态计算图。

相关资料：

TensorFlow 1.0

https://github/tensorflow/tensorflow/releases/tag/v1.0.0

TensorFlow Fold

https://research.googleblog/2017/02/announcing-tensorflow-fold-deep.html

TensorFlow Transform

https://research.googleblog/2017/02/preprocessing-for-machine-learning-with.html

DeepMind Sonnet库

https://deepmind/blog/open-sourcing-sonnet/

eager execution

https://research.googleblog/2017/10/eager-execution-imperative-define-by.html

除了谷歌与Facebook之外，众多其它企业亦加入到这波机器学习框架的开发大潮当中：

苹果公布其CoreML移动机器学习库。 Uber研发团队发布Pyro，一种深度概率编程语言。 Amazon发布Gluon，立足MXNet的高级API。 Uber发布了其内部Michelangelo机器学习基础设施平台的更多细节信息。

面对框架数量爆发式增长的现状，Facebook与微软则联合公布了ONNX开放格式，用于在不同框架之间共享深度学习模型。举例来说，大家可以在一种框架当中训练自己的模型，并随后立足其它框架将其投入实际生产。

除了通用型深度学习框架之外，我们还看到大量强化学习框架正在发展当中，具体包括：

OpenAI Roboschool是一款用于机器人模拟的开源软件。

https://blog.openai/roboschool

OpenAI Baselines 是一套高质量强化学习算法集合。

https://github/openai/baselines

Tensorflow Agents 当中包含经过优化的基础设施，可利用ETensorFlow进行强化学习代理训练。

https://github/tensorflow/agents

Unity ML Agents 允许研究人员与开发人员利用Unity Editor创建游戏与模拟，并利用强化学习完成训练。

https://github/Unity-Technologies/ml-agents

Nervana Coach 允许用户利用最先进的强化学习算法进行实验。

http://coach.nervanasys/

Facebook的ELF 平台可用于游戏研究。

https://code.facebook/posts/132985767285406/introducing-elf-an-extensive-lightweight-and-flexible-platform-for-game-research/

DeepMind Pycolab 是一款可定制网格世界游戏引擎。

https://github/deepmind/pycolab

Geek.ai MAgent 是一套用于进行多代理强化学习的研究平台。

https://github/geek-ai/MAgent

为了进一步简化深度学习的上手门槛，面向Web的框架方案也应运而生——其中包括谷歌公司的deeplearn.js以及MIL WebDNN执行框架。

不过作为一款非常流行的框架，Theano已经走向其生命的终点。根据Theano项目往来邮件列表中的一份声明，开发者们决定将1.0作为该项目的最终版本。

- 学习资源 -

随着深度学习与强化学习逐渐积累起可观的人气，2017年技术业界为我们带来越来越多在线录制与发布的讲座、训练营以及会议活动。以下是我个人最喜欢的部分重要资源：

Deep RL Bootcamp 由OpenAI与加州大学伯克利分校联合主办，其中包含强化学习基础知识与相关最新研究成果。

https://sites.google/view/deep-rl-bootcamp/lectures?authuser=0

斯坦福大学发布的视觉识别卷积神经网络课程2017年春季版本。

http://cs231n.stanford.edu

课程视频

https://youtube/playlist?list=PL3FW7Lu3i5JvHM8ljYj-zLfQRF3EO8sYv

斯坦福大学发布的利用深度学习实现自然语言处理课程2017年冬季版本。

http://web.stanford.edu/class/cs224n

课程视频

https://youtube/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6

斯坦福大学的深度学习理论课程。

https://stats385.github.io

新的Coursera深度学习专项课程。

https://coursera.org/specializations/deep-learning

蒙特利尔深度学习与强化学习夏令营。

http://videolectures/deeplearning2017_montreal

加州大学伯克利分校的深度强化学习2017年秋季课程。

http://rll.berkeley.edu/deeprlcourse

TensorFlow开发者峰会，其中主要探讨深度学习基础知识以及相关TensorFlow API。

https://youtube/playlist?list=PLOU2XLYxmsIKGc_NBoIhTn2Qhraji53cv

也有不少重要的学术会议继续保持着仅进行在线发布的传统。如果大家希望紧随尖端研究成果，则可关注下述顶级会议的相关录音资料。

NIPS 2017

https://nips.cc/Conferences/2017/Videos

ICLR 2017

https://facebook/pg/iclr.cc/videos

EMNLP 2017

https://ku.cloud.panopto.eu/Panopto/Pages/Sessions/List.aspx

研究人员们也开始在ArXiv上发布可轻松获取的教程与调查性论文。以下为今年我个人最为推荐的内容：

深度强化学习：概论

https://arxiv.org/abs/1701.07274

面向工程师的机器学习简介

https://arxiv.org/abs/1709.02840

神经机器翻译

https://arxiv.org/abs/1709.07809

神经机器翻译与序列到序列模型：教程

https://arxiv.org/abs/1703.01619

- 实际应用：人工智能与医学 -

2017年内，我们还看到一系列关于深度学习技术顺利解决医疗问题，同时力压人类专家的大胆声明。不过其中仍存在不少炒作，而且不具备医学背景的人士也很难了解其中真正的突破性成效。要对这类趋势进行全面的了解，我推荐由Luke Oakden-Rayner撰写的“人类医生的末日”系列博文：

https://lukeoakdenrayner.wordpress/2017/04/20/the-end-of-human-doctors-introduction

接下来，我将向大家简要介绍这一领域中的部分发展成果。

作为今年一项重磅新闻，斯坦福大学的一支研究团队发布了一项深度学习算法的细节信息，其能够有效帮助皮肤科医生诊断皮肤癌。

相关研究

https://cs.stanford.edu/people/esteva/nature

论文

https://nature/articles/nature21056.epdf?author_access_token=8oxIcYWf5UNrNpHsUHd2StRgN0jAjWel9jnR3ZoTv0NXpMHRAJy8Qn10ys2O4tuPakXos4UhQAFZ750CsBNMMsISFHIKinKDMKjShCpHIlYPYUHhNzkn6pSnOCt0Ftf6

斯坦福大学的另一个研究小组则开发出一套模型，能够帮助心脏病专家更好地通过单导联心电图信号诊断心律失常症状。

相关研究

https://stanfordmlgroup.github.io/projects/ecg

不过，过去一年当中，失误也仍然存在。DeepMind对英国国民健康保险制度（简称NHS）数据分析犯下了“不可原谅”的错误，而美国国立卫生研究院向科学界发布的胸部X射线数据集亦最终被证明并不适合用于训练诊断型AI模型。

- 应用方向：艺术与GAN -

今年当中，另一大引发广泛关注的应用方向在于图像、音乐、蓝图以及视频的创成式建模。NIPS 2017大会今年亦首次推出了“创新与设计型机器学习”工作室：https://nips2017creativity.github.io

此类方案当中，最为流行的成果之一当数谷歌公司的QuickDraw，其利用神经网络对我们的涂鸦内容加以识别。利用已经发布的数据集，大家甚至能够教会机器将自己的绘图补充完全。

QuickDraw快速涂鸦

https://quickdraw.withgoogle

创成式对抗网络（简称GAN）亦在今年取得了重大进展。以CycleGAN、DiscoGAN以及StarGAN为代表的各类新型模型在人脸生成方面取得了令人印象深刻的成就。从传统角度讲，GAN一直难以生成逼真的高分辨率图像，但如今 pix2pixHD 的成果展示让人眼前一亮，亦证明我们已经开始攻克这一难题。GAN未来会成为艺术家们新的画笔吗？

CycleGAN

https://arxiv.org/abs/1703.10593

DiscoGAN

https://github/carpedm20/DiscoGAN-pytorch

StarGAN

https://github/yunjey/StarGAN

- 应用方向：自动驾驶汽车 -

自动驾驶领域的巨头分别为Uber、Lyft、Alphabet下辖的Waymo以及特斯拉。Uber的方案由于软件错误而在旧金山的试验性驾驶当中闯了几次红灯，但并不像之前媒体报道的那样出现过人为失误�...

你对一款酝酿多年的游戏有什么想法吗？即使没有任何游戏开发经验，如果你能将这个想法变为现实怎么办？如今，任何人都可以使用合适的软件和一些专业知识制作视频游戏。

当然，这并不意味着游戏开发很容易。但是，由于免费的游戏开发软件工具，一个曾经花费一年时间制作的游戏现在可以在几个月或几天内制作 - 有时甚至没有任何代码！

这里有最好的免费游戏开发工具和软件，您可以用来开始制作今天的梦想游戏。

注意：此列表按从最简单到最复杂的顺序排序。更简单的免费游戏开发工具更容易上手，但有更多限制。当你在列表中，你将获得更多的灵活性，更便捷的学习曲线。

1.Construct 3

无需编程：如果您从未在生活中编写过一行代码，那么构造3是最佳选择。这个游戏开发工具完全由GUI驱动，这意味着一切都是拖放式的。游戏逻辑和变量使用应用程序本身提供的设计功能实现。

创建一次，随处发布：Construct 3的优点在于它可以导出到几十种不同的平台和格式，您无需在游戏中更改任何内容以适应这些不同的选项。游戏完成后，您可以导出到HTML5，Android，iOS，Windows，Mac，Linux，Xbox One，Microsoft Store等。

2. GameMaker Studio 2

拖放OR代码：与Construct 3一样，GameMaker Studio 2允许您使用其变量和游戏逻辑的拖放界面创建整个游戏。但与Construct 3不同，GameMaker Studio 2通过其Game Maker语言赋予更多功能，Game Maker语言是一种具有很大灵活性的类C语言脚本语言。

创建一次，随处发布：游戏完成后，您可以导出到任意数量的平台和格式，而无需调整代码：Windows，Mac，Linux，HTML5，Android，iOS，Nintendo Switch，PlayStation 4，Xbox One等。遗憾的是，免费版本不允许导出到任何平台。

悠久的历史：GameMaker Studio 2是Game Maker：Studio的重写版本，从1999年开始。今天，它是目前最流行和最活跃的免费游戏开发引擎之一。具有功能更新的新版本定期发布。

内置高级功能：GameMaker Studio 2非常棒，因为它支持开箱即用的许多有趣的生活质量功能，例如向游戏添加应用内购买的功能，用户如何玩游戏的实时分析，来源通过第三方扩展控制，多人网络和可扩展性。它还具有用于图像，动画和着色器的内置编辑器。

3.Unity

支持2D和3D：Unity最初是一个3D引擎，但最终在2013年增加了官方的2D支持。尽管它完全能够创建2D游戏，但是你可能遇到偶然的错误或故障，因为Unity的2D系统实际上已经加入其核心3D系统。这也意味着Unity给2D游戏增加了许多不必要的麻烦，这可能会影响性能。

基于组件的设计：Unity没有提出组件实体设计，但它在推广它方面有很大的作用。简而言之，游戏中的所有内容都是一个对象，您可以将各种组件附加到每个对象，其中每个组件控制对象行为和逻辑的某些方面。

广泛的使用和文档：要充分利用Unity，您需要使用C＃。好消息是Unity在业余爱好者和资深游戏开发者中得到了广泛的应用，你可以在网上找到数以千计的教程来帮助你入门。Unity本身也为新手提供了许多深入的视频系列，所提供的文档非常出色。

创建一次，随处发布：Unity拥有所有游戏引擎最广泛的出口支持：Windows，Mac，Linux，Android，iOS，HTML5，Facebook，Oculus Rift和Steam VR等各种VR系统，以及PlayStation 4，Xbox One等多款游戏机， Nintendo Wii U和Nintendo Switch。

4.戈多引擎

支持2D和3D：与Unity一样，Godot支持创建2D和3D游戏。然而，与Unity不同，戈多的支持要好得多。引擎的2D方面从一开始就经过精心设计，这意味着更好的性能，更少的错误以及更整洁的整体工作流程。

基于场景的设计：戈多对游戏架构的态度是独一无二的，因为一切都被分为场景 - 而不是你想到的那种“场景”。在Godot中，场景是精灵，声音和/或脚本等元素的集合。然后，您可以将多个场景组合成一个更大的场景，然后将这些场景组合成更大的场景。这种分层设计方法使您可以随时轻松地组织和修改单个元素。

自定义脚本语言：Godot使用拖放系统来维护场景元素，但是这些元素中的每一个都可以通过内置脚本系统进行扩展，该系统使用一种名为GDScript的自定义类似Python的语言。它易学易用，即使您没有编码经验，也应该尝试一下。

创建一次，随处发布：Godot可以立即部署到多个平台，包括Windows，Mac，Linux，Android，iOS和HTML5。不需要额外购买或许可，但可能会有一些限制（例如需要在Mac系统上部署Mac二进制文件）。

内置高级功能：Godot以惊人的速度快速迭代游戏引擎。每年至少有一个主要版本，它解释了它如何拥有如此多的强大功能：物理，后处理，网络，各种内置编辑器，实时调试和热重载，源代码控制等。

5.虚幻引擎4

由行业大师开发：在此列表中的所有工具中，UE4是最专业的。它是由Unreal特许经营背后的天才创建的，他们知道顶级引擎需要什么，以及提供下一代功能需要什么。他们确切地知道他们在做什么。

先进的发动机功能：UE4的驱动原则之一是允许您尽可能快地进行迭代和开发，因此您可以获得诸如实时调试，热重新加载，简化的资产管道，即时游戏预览以及数百种包含的资产和系统（如人工智能，电影）等功能工具，后处理效果等。

没有必要的代码：UE4的独特卖点是它的Blueprint系统，它可以让你在不触及任何代码的情况下创建游戏逻辑。它足够先进，您可以创建整个游戏，甚至是复杂的游戏，而无需打开源编辑器。但是如果你想编写自己的蓝图代码，你也可以这样做。

本篇文章将和大家详细介绍Unity3d安装及使用，希望对大家的工作和学习有所帮助！

1.首先前往unity官网，选择下载个人版，免费使用，功能齐全，学习开发是完全够用了。整个安装过程需要网络的支持，如下图所示：

这是官网的下载地址：

2.下载安装程序，安装程序会从服务下载安装包，下载完成安装程序之后，启动安装程序，如下图所示：

3. 同意协议，然后点击Next，如下图所示：

4. 选择组件

Unity必选

Documentation建议选上

如果要做Android游戏开发，将Android Build Support勾上

做IOS的，讲iOS Build Support勾上

其他选项看自己的需求，如下图所示：

5. Download to选择要下载到的路径

Unity install folder选择安装unity的路径，我是放在D盘的，你们可以自己指定，如下图所示：

6. 自动下载与安装效果，等待自动安装完成即可，如下图所示：

7. 自动安装完成后界面如下，选中Finish完成安装，如下图所示：

完成后桌面会出现一个unity的快捷方式

双击打开Unity

8. 进入后会提示登录，所以需要在官网注册个账号，或者选择其他方式登录

登录后选择Personal个人版，如下图所示：

选择第三项，如下图所示：

需要填写一个调查表，填个大概就行，如下图所示：

完成后点击开始使用unity，如下图所示：

点击New可以创建一个项目，点击OPEN可以打开一个已有的Unity项目，如下图所示：

这样就安装完成了，可以开始使用了！

有什么问题可以在评论区留言，看到了会回复大家的。

最后，希望大家学会安装的，不要吝啬分享给身边需要的小伙伴！转发让更多人看到，也不枉费小编辛苦给大家整理，谢谢大家！

下篇打算写个破解版的教程，关注小编，敬请期待！

一、Unity Pro用户界面：

启动Unity Pro后，用户界面如下图所示：分为菜单栏（1），工具栏（2），项目浏览器（3），编辑器窗口（4），用于直接访问编辑器窗口的选项卡（5），信息窗口（6），状态栏（7）。

二、新建项目：（以Unity Pro xl V5.0为例）

1、运行Unity Pro xl V5.0程序

2、新建项目

在菜单栏“文件”中选择“新建”，弹出下图，选择你需要的CPU如BMX P34 2020 (02.00)，然后确定，点击菜单“文件另存为”，取文件名My Projiet-1：保存。即完成了项目建设与工程名字修改工作。

三、配置PLC系统

双击左侧项目浏览器“配置”，出现下面菜单

1、右键点击最右端红色箭头位置，出现菜单选择“替换机架（R）”，更换底板为六槽底板；

2、右键点击1号插槽选择“新设备”，在弹出的菜单中选择离散量DDI：DDI1602；（16路离散量漏极输入）设备。

3、同样方法右键点击2号插槽选择“新设备”，在弹出的菜单中选择DDO：DDO3202k；（32路源极输出）

4、同样方法右键点击3号插槽选择“新设备”，在弹出的菜单中选择ACI：AMI0410；（4路模拟量高电平隔离输入）

5、同样方法右键点击4号插槽选择“新设备”，在弹出的菜单中选择AMO：AMO0410；（4路模拟量隔离输出）

6、同样方法右键点击5号插槽选择“新设备”，在弹出的菜单中选择EHC：EHC0200；（2通道通用计数器）

7、点击保存按钮。

上述设备还可以进行复制、修改、删除、编辑等操作。至此就完成了plc系统的硬件配置。

四、通信设置：

1、双击左侧项目浏览器中的“通讯“，右键点击“网络”，在弹出的菜单中选择“新建网络“，在弹出的选项卡中，下图的“可用网络列表“里选择以太网，在“更改名称”里用英文进行书写Ethernet-HMI1;然后确定。

2、右键Ethernet_HMI1选打开，在弹出的下图中修改IP地址：192.168.0.1；子网掩码255.255.255.0，该页面左上角型号系列选择CPU2020 02.00；右侧“模块实用程序选择“选“是” 。

3、在项目浏览器“配置”中找到并双击下图中Ethernet图标。

在弹出的页面中点击“通道3”上面的Ethernet图标，再点选项卡“I/O对象“，点全选，按下“更新网格”按钮。如下图。

左键再按通道3，然后在下面“功能”里选择“以太网TCP IP”，“网络链路”里选“Ethernet_HMI1”；

此时发现左侧项目浏览器已经改为“对号”了。如下图。

以上完成了网络的配置。

学习 Unity 开发接近一年了，从开始对 Unity 一无所知，到现在能模仿制作出一个完整游戏，对个人成长来说，也算是一个不大不小的里程碑。这篇是对自己学习的总结与回顾，希望对 Unity 初学者有所帮助。

根据我的学习经验，总结出学习 Unity 可以分为四个阶段：

第一阶段： 跟着做。跟着 step by step 教程做，大量做。这个阶段的重点是学习 Unity 各种组件的使用（比如物理、UI等）。此时掌握编程语言最基础的东西就可以了，比如类、控制流、List、字典等。

起步阶段的难度曲线越平越好，在我对 Unity 一无所知的情况下，选择从观看 网上的教学视频起步，开始给自己定的目标很简单：熟悉 Unity 界面（目标就是定这么低）。 两个视频下来，差不多就熟悉 Unity 界面和一些基本操作了。如果这个阶段你正在看三消、2048 这类靠 UI 和算法支撑的案例教程，希望你把重点放在教程中是如何使用 UI 组件上面，选择性忽略具体算法实现。不然，对于代码能力较弱的同学，分分钟被打击。

第二阶段： 反推。

这一阶段先看教程效果，然后反推效果的实现方式，最后研究别人是如何实现的。

这一阶段的效果是，即可以检验你第一阶段的学习效果，又可以加深对 Unity 的理解 。

第三阶段： 模仿。

从模仿功能到模仿整个游戏，找你玩过的或者当下热门的游戏，模仿它。

我曾经模仿的 Lifeline ( 生命线 )和 BACK2ZERO。这一阶段需要自己思考如何用 Unity 和代码把效果实现出来，这会倒逼你去学习 Unity 的使用，以及如何用合适的代码实现想要的效果。

通过这一阶段，你对 Unity 的掌握程度和代码水平都会有很大提升（当然，语言高级特性、数据结构和算法、设计模式等这些小怪也是要刷的）。

第四阶段：

基础 之后呢？适当写一些小项目

类似坦克大战 愤怒的小鸟 跳一跳 打砖块等等，给自己这段学习的时间一个答案，当然如果学的不错的可以尝试拳皇97！

当然如果您如果对这些小项目感兴趣的话，可以关注我，私信来一起学习哟，相信对于您在学习游戏开发的同时还能了解行业内目前游戏开发的现状，如果有需要的就快来和我们一起吧！

雷锋网了解到，现在Unity 2017.3平台开始全面支持Vuforia 7。通过Unity编辑器，开发人员可以直接将各种各样的实物、环境与3D图像混合，从而开发出跨平台的AR应用。下面，我们来了解有关Unity和Vuforia的新功能，如何上手使用，及相关资源下载。

通过一个API接口，Vuforia平台可支持Android，iOS和UWP设备的AR应用开发。这样，开发人员只需编写一次应用程序即可在最优秀的核心技术下运行。

从Unity 2017.2开始，Unity开发人员可以直接在Unity编辑器中使用简单的工作流程和事件驱动的脚本来创建支持Vuforia的应用程序。此次集成包括了性能优化，功能更新和相关修复以及本地Unity工作流程，使开发人员可以专注于创建最佳的AR体验。

在Unity 2017.3中，我们介绍对Vuforia 7的支持，使得开发人员通过使用Model Targets和Ground Plane功能，将数字内容与更多的实物、环境结合起来，同时在更广范围的设备与操作系统之间保持最佳的用户体验。

为了更好的运用Unity中集成的Vuforia平台，需要下载最新或是对旧版Unity 2017.3升级至Unity 2017.3 Patch 2。

尽管ARCore和ARKit包含了大规模实现AR应用的基本功能，但Unity 2017.3和Vuforia 7则提供了创建尖端AR体验和解锁新类别交互式应用程序的基石。开发人员现在可以触及到数百万的用户，并通过先进的计算机视觉技术增强AR体验。

如果你是专业的AR应用开发人员或是刚开始接触AR技术的人，你应该了解更多关于Vuforia的新功能，查看下面提供的所有资源。静下心来，仔细阅读！

Vuforia 7的新功能

Vuforia Ground Plane（免费）使你能够在日常环境中将数字内容附加到水平表面，如地板和桌面。这是创建能与现实世界进行交互的游戏和可视化应用程序产品的理想解决方案。

在Unity 2017.3中，开发人员可以使用Ground Plane功能开始为支持ARKit的iOS设备创建AR应用。在Unity 2017.3 Patch 2中，Ground Planes增加了对广泛流行的Android和iOS设备的支持，这样开发人员就可以接触到数百万的额外用户。

Model Targets是Vuforia的对象识别功能的最新应用。借助Model Targets，你不再需要详细的视觉设计来附加数字内容，而是可以根据对象的形状完成内容附加。Model Targets还提供实时的360跟踪和用于各种环境，照明条件，距离的优异鲁棒跟踪性能 。

想象一下，使用诸如汽车，电器，工业设备和机器等物体创造AR体验。通过Model Targets，可以使用覆盖在对象上的可视化指令来取代用户手册。

Unity 2017.3中增加的Vuforia可用功能

Vuforia AR应用开发平台的所有功能都集成在Unity中。可以在GameObject菜单中找到它们。Vuforia的GameObject能够识别和跟踪环境中的图像，对象和平面。

接下来，可以了解更多关于集成到Unity中Vuforia 7的功能。此外，不要忘记，以下演示的事例在Unity资源商店中均可免费获得！

Vuforia功能

Image Targets是将AR内容投放在杂志页面，交易卡片和照片等平面物体上的最简单的方法。

Cloud Targets 使你能够从自己的CMS系统中管理大量的Image Targets。通过简化大型图像集，使得产品目录，打印广告以及其他的应用程序获益匪浅。

Multi Targets 是将AR内容放置在可以从多个方面查看或包含多个图像的平坦表面的对象上的最佳方法。产品包装，海报和壁画都是非常好的应用场合。

Cylinder Targets 可以将AR内容放置在圆柱形和圆锥形的物体上。苏打水罐，瓶子和印有图案的管子都是最佳选择。

User Defined Targets 能够使用相机照片作为目标，将内容投放进真实世界。用户可以从在环境中找到的图像和表面创建目标。

Object Targets 应用于3D对象，在扫描时可以识别和跟踪3D对象。对象识别对几何稳定且具有表面细节的对象起到最佳效果。

VuMarks 是自定义设计的AR标记，可以对数据进行编码，以支持ID以及文本和字节数据。VuMarks是识别对象独特部分的好方法，该部分可以是一个系列或集合的一部分。它们是解锁玩具和零售产品数字体验的流行解决方案。

额外的Vuforia 7功能

Vuforia支持广泛的Android，iOS，UWP手持和头戴式设备，具有头部和手部追踪以及立体渲染等功能。

Device Tracking – 提供了一个强大的内置式设备跟踪器，用于在标准设备上进行头部旋转和手部跟踪。

Digital Eyewear – Vuforia使开发人员能够为光学透视头戴式设备（例如Microsoft HoloLens，ODG R7和Vuzix m300）创建内容。

AR+VR Stereo Rendering – Vuforia提供了简单的API来创建在增强和虚拟现实之间转换的身临其境的体验。

开始入门

1.下载Download Unity 2017.3.0p2

2.安装过程中，记得选择“Vuforia Augmented Reality Support” 组件

3.创建一个新的Unity工程。

4. 在PlayerSettings/XR中, 选择 Vuforia Augmented Reality Support。

5. 使用AR Camera来替换默认的主摄像头 (GameObject Menu> Vuforia>AR Camera)。

6. 在场景中添加一个Image Target (GameObject Menu> Vuforia> Image)。

7.把内容作为Image Target中的一个子集。

8. 在Editor/Vuforia/ForPrint/ImageTargets/输出Astronaut card。

9.按下Play，即可使用WebCam观看内容出现在真实世界中。

注意：

对于AR+VR 和 Stereo Rendering 应用, 需要在XR Settings中开启VR Support，并且添加Vuforia到VR SDKs列表顶部。如果为HoloLens开发 Vuforia 应用，需添加HoloLens 到列表。

操作真的很简单。Vuforia还提供了一系列高质量例程，可以从资源商店免费下载这些资源，以帮助你了解增强现实开发的基础知识，并熟悉一些关键的交互。

相关资源

1. Live Training Session 如果你刚开始接触AR应用开发，建议注册线上Unity训练部分， “Creating AR Content with Vuforia”。

2. Vuforia Core Samples 展示在Unity的场景中，通过使用Vuforia targets and trackers，如何为对象和环境创建AR应用体验。

3. Vuforia AR+VR Sample 通过使用Vuforia’s Mixed Reality Controller 和Device Tracker，展示AR与VR之间的完美转换。

4. Vuforia Stereo Rendering for Digital Eyewear 展示开发者如何为光学透视头戴式设备，如ODGR-7，创建AR应用。

5. Occlusion Management 演示了一种高级渲染技术，用于使对象内部显示增强。

6. Background Texture Access 演示如何访问着色器并将其应用于AR视频背景中

7. Vuforia Developer Library 是一个开发人员可以参考的Vuforia平台上的作品库。

8. Vuforia in the Unity forum 用于展示与Vuforia增强现实应用程序开发相关的任何技术问题。Vuforia和Unity的工程师也将在这里发布新闻和公告。

Via Unity Blogs 雷锋网雷锋网编译

下载地址：http://cityhbs/thread-922-1-1.html

安装步骤：

1.选择我们下载的安装包，选择右健解压

2.点击Next

3.勾选后，点击下一步

4.点击Next

5.修改安装路径（直接将C修改成你需要安装到的盘，本例安装到D盘）点击next

6.勾选后，点击Next

7.安装中……

8.VS Installer自动安装

9.去掉勾选，点击Finsih

10.返回安装包，右健以管理员的方式打开UniPatch

11.点击Browse选择软件安装目录下的Editor点击确定（参考第5步安装路径）

12.点击Create License

13.点击PATCH，在弹出的窗口点击确定

14.点击是

15.如果已经有用户的小伙伴，输入邮箱与密钥可以直接点击登陆，没有注册的朋友可以点击Create on新注册一个用户

16.选择Unity Personal点击Next

17.选择第三项，点击Next

18.调查问卷，任意填写后，点击OK

19.点击开始使用Unity

20.安装破解成功，打开软件界面如下

Unity3D 2017/64位软件下载地址

链接：https://pan.baidu/s/1YsRww7sF1gDGnGyaZENMNQ 密码：k3wt

安装步骤：

1.鼠标右击软件压缩包，选择“解压到 unity2017”

2.打开“unity2017”文件夹，鼠标右击“UnityDownloadAssistant-2017.1.0f3”，选择“以管理员身份运行”

3.点击“Next”

4.将“I accept the terms of the License Agreement”前面的复选框挑勾，然后点击“Next”

5.根据个人需要选择组件，我这里默认，直接点击“Next”

6.选择安装目录，默认安装在 C:\Program Files\Unity（建议安装在除C盘以外的磁盘上，可以直接将C改成Y，安装到Y盘），然后点击“Next”

7.将“I accept the terms of the License Agreement”前面的复选框挑勾，然后点击“Next”

8.软件安装中，请耐心等待

9.默认组件包含“Microsoft Visual Studio Community 2017”，所以将自动下载安装，安装完成将自动关闭，然后在进行下一步

10.将“Launch Unity”前面复选框的勾去掉，然后点击“Finish”

11.打开“unity2017”文件夹，将“UniPatch”文件复制粘贴到安装路径 X:\Program Files\Unity 下的“Editor”文件夹，其中“X”是你安装软件的磁盘号，如下图所示

12.鼠标右击“UniPatch”，选择“以管理员身份运行”

13.点击“Browse”

14.打开安装路径 X:\Program Files\Unity（其中“X”是你安装软件的磁盘号），找到文件夹“Editor”，鼠标左键单击选择，然后点击“确定”

15.先点击“Create License”，再点击“PATCH”，最后点击“确定”

16.点击“是”

17.在电脑桌面上找到Unity 2017.1.0f3 (64-bit)快捷方式，鼠标左键双击打开

18.输入注册好的邮箱账号和密码，然后点击“Sign in”

19.选择“UnityPersonal”，然后点击“Next”

20.License agreement（授权协议）：选择“I don't use Unity in a professional capacity.”，然后点击“Next”

21.Survey（问卷调查）：随意选择，然后点击“OK”

22.点击“Start Using Unity”

23.安装完成，软件主界面如下

不仅仅是Unity、c#，学一门新技能，体验很重要！

市面上很多书籍对Unity初学者一点都不友好，基本上都是用大段的文字描述语法或相关概念，理解起来可能会有一定的困难，导致学不下去或者放弃······

一图胜千言，如果能用图文并茂的方式来讲解各种知识点，那么对于初学者来说，可谓是一种更加直观和舒服的体验。普通C#程序和Unity的语法相同，但是在一些用法上存在差异。如：C#中生成对象是使用new关键字来完成的；而在Unity中将类脚本拖拽到一个游戏对象上，就实现了实例化的过程。

如果你想快速上手Unity，就很有必要针对性地学习下Unity中的C#脚本知识。

如果英文可以的话，推荐一个老外编著的“Script in C#”这本书，它将原本的Unity官方文档

用各种精心绘制的图进行描述。

下图中就是这本书的目录：

这本书完整版不好找，我只能找到这本书的pdf版，下载下来整理了一下···有需要的童鞋可以戳链接：https://pan.baidu/s/1miageik 密码: 6gc7

至于里面的内容，都是讲得不错的，非常适合入门···太多了，我选了几个···

如何访问当前脚本关联对象的组件属性，并作出修改：

脚本组件的变量和方法：

矢量知识点：

当然上述文档只是对C#脚本基础语法的快速讲解，功效类似下图的速成 ↓↓↓

哈哈哈····

万丈高楼平地起，如果要夯实C#的原理和高级知识，那么“C#图解教程”这本书是非常不错的，它采用图文混合的方式介绍C#各个知识点，比如说变量、类，结构等在内存中的存储方式，让原本羞涩难懂的概念在这本书画得很明白，让我们从本质原理上去理解和掌掌握C#···

书贵精而不在多 ，看完第一本就可以学习Unity的官方案例进行实战，而第二本“C#图解教程”可以作为实战过程中，对欠缺的C#知识点进行补充参考······

当然，真正编程功底的加强 ，还要继续学习面向对象、数据结构、设计模式、图形学等相关知识。

转载自百家号作者：Unity南斗

学习 Unity 开发接近一年了，从开始对 Unity 一无所知，到现在能模仿制作出一个完整游戏，对个人成长来说，也算是一个不大不小的里程碑。这篇是对自己学习的总结与回顾，希望对 Unity 初学者有所帮助。

根据我的学习经验，总结出学习 Unity 可以分为四个阶段：

第一阶段： 跟着做。跟着 step by step 教程做，大量做。这个阶段的重点是学习 Unity 各种组件的使用（比如物理、UI等）。此时掌握编程语言最基础的东西就可以了，比如类、控制流、List、字典等。

起步阶段的难度曲线越平越好，在我对 Unity 一无所知的情况下，选择从观看 网上的教学视频起步，开始给自己定的目标很简单：熟悉 Unity 界面（目标就是定这么低）。 两个视频下来，差不多就熟悉 Unity 界面和一些基本操作了。如果这个阶段你正在看三消、2048 这类靠 UI 和算法支撑的案例教程，希望你把重点放在教程中是如何使用 UI 组件上面，选择性忽略具体算法实现。不然，对于代码能力较弱的同学，分分钟被打击。

第二阶段： 反推。

这一阶段先看教程效果，然后反推效果的实现方式，最后研究别人是如何实现的。

这一阶段的效果是，即可以检验你第一阶段的学习效果，又可以加深对 Unity 的理解 。

第三阶段： 模仿。

从模仿功能到模仿整个游戏，找你玩过的或者当下热门的游戏，模仿它。

我曾经模仿的 Lifeline ( 生命线 )和 BACK2ZERO。这一阶段需要自己思考如何用 Unity 和代码把效果实现出来，这会倒逼你去学习 Unity 的使用，以及如何用合适的代码实现想要的效果。

通过这一阶段，你对 Unity 的掌握程度和代码水平都会有很大提升（当然，语言高级特性、数据结构和算法、设计模式等这些小怪也是要刷的）。

第四阶段：

基础 之后呢？适当写一些小项目

类似坦克大战 愤怒的小鸟 跳一跳 打砖块等等，给自己这段学习的时间一个答案，当然如果学的不错的可以尝试拳皇97！

当然如果您如果对这些小项目感兴趣的话，可以关注我，私信来一起学习哟，相信对于您在学习游戏开发的同时还能了解行业内目前游戏开发的现状，如果有需要的就快来和我们一起吧！