写的目的
本篇想从部分训练和通信的类的源码开始，探究ml-agent的训练运作流程。话不多说，我们从Academy.cs开始吧。
Academy
这个是干嘛的很多资料都有，我就说说他里面干了点什么吧。代码就不贴了，大家都能看到，就讲下基本的流程。Academy主要提供一个训练的环境，包括训练的参数，和环境参数，维护一个BroadcastHub，通过Batcher（包含Communicator，套了个壳）与外界建立通信，同时也维护很多个大脑Brain（大脑里拥有同一个Batcher，可以用于通信），初始化InitializeEnvironment()的时候会做各种初始化，检测是否有训练大脑，打开和Python通信，设置委托，写log等等。重要的还是每次是在FixedUpdate()里进行迭代的，判断一些重置和退出的命令，然后进行委托的调用，环境参数等，所有的通信数据采用谷歌的Protobuf。
Batcher
这个是大脑和外界的通信，里面会维护一个大脑的通信和数据队列，每个大脑在有需要的时候，或者Academy调用了一次done的时候，通过这个跟外界通信。其实自身里面拥有一个Communicator，用于跟外界通信，通过封装UnityRLOutput，向外输出信息，得到外界的输入UnityInput，用来更新agent信息。
Brain
大脑，可以设置各种参数，拥有BrainParameters参数设置类，和Batcher，以及维护一个代理信息的字典集合。
Communicator
这个只是个接口，定义了初始化方法，和通信方法。主要实现类有RPCCommunicator和SocketCommunicator。RPCCommunicator：内部是用ProtoBuffer的Grpc，gRPC是由Google主导开发的RPC框架，方便进程间通信。目前发现训练使用这个来通信的。SocketCommunicator：暂时未发现用这个来通信，估计是以前的，现在新版改成谷歌的ProtoBuffer的gRPC了，调用需要传输的数据使用的是proto编码，可以有效的提高数据的解编码效率和数据传输率。
Agent
代理，拥有大脑，代理信息，动作信息，主要是收集环境等各种信息。每一次迭代是这样的：
首先Academy每帧调用AgentSendState，会调用Agent的SendInfo将代理的信息给Brain。
然后Brain会将代理信息加到Academy的BrainDecideAction委托里。
然后Academy调用BrainDecideAction，Brain就开始通过Batcher送信息给外部，然后返回UnityRLInput之后提取agent的信息，进行agent一系列Action信息的更新。
然后Academy调用AgentAct，即调用了Agent的AgentStep，进行AgentAction的调用。
总结
通过这个简答的流程理解，写代码的时候就不会很莫名其妙的写了，至少知道在哪里去，哪里会回调，我该给什么信息，拿回什么信息。
好了，今天就到这里了，希望对学习理解有帮助，大神看见勿喷，仅为自己的学习理解，能力有限，请多包涵，部分图片来自网络，侵删。