WEBVTT 00:00.420 --> 00:07.170 Halo dan selamat datang kembali ke Mudgal untuk melakukannya, kami sekarang akan membuat kami siap untuk memulai implementasi AI 00:07.170 --> 00:07.910 kami. 00:08.040 --> 00:13.610 Dan seperti biasa hal pertama yang perlu kita lakukan adalah mengatur ayah yang tepat sebagai direktori kerja. 00:13.600 --> 00:17.360 Jadi mari kita lakukan ini sekarang agar kita bisa beralih ke hal yang lebih menarik. 00:17.610 --> 00:24.240 Jadi seperti biasa saya mulai di desktop saya kemudian saya pergi ke kecerdasan buatan saya bahwa folder kemudian 00:24.240 --> 00:25.450 modul lakukan sekarang. 00:25.650 --> 00:29.240 Dan di sana kita pergi ke bahwa kita harus menetapkan direktori kerja. 00:29.520 --> 00:34.890 Jadi mari kita lakukan ini sekarang kita klik pada keduanya tetapi di sini kemudian restart kernel dan kemudian ya. 00:35.100 --> 00:35.990 Dan di sini kita mulai. 00:36.090 --> 00:39.070 Kami sekarang memiliki folder yang tepat sebagai direktori kerja. 00:39.480 --> 00:45.450 Jadi sekarang Anda dapat melihat kami memiliki empat pelanggaran dengan baik sebenarnya tiga ribu satu folder di folder direktori yang 00:45.450 --> 00:46.250 berfungsi ini. 00:46.260 --> 00:47.640 Jadi mari kita mulai dengan yang pertama. 00:47.640 --> 00:50.080 Yang pertama adalah cara yang baik. 00:50.260 --> 00:55.910 Itu tentu saja file yang akan berisi kecerdasan buatan kita dan itu tidak lain dari file ini 00:55.920 --> 00:56.710 di sini. 00:56.910 --> 01:04.710 Itu adalah AIW I jatuh di mana akan mengimplementasikan segala sesuatu yang berkaitan dengan membangun AI dan terutama membangun AI 01:04.710 --> 01:07.130 AI dengan convolutional yang mendalam. 01:07.130 --> 01:08.740 Q belajar lebih banyak. 01:09.080 --> 01:12.200 Jadi pada dasarnya di situlah kita akan memiliki petualangan besar. 01:12.240 --> 01:17.210 Kemudian kami memiliki beberapa Feltz lain kami memiliki lantai dua yang merupakan pengalaman kami bermain seperti itu. 01:17.460 --> 01:23.970 Dan kali ini saya menempatkan pengalaman untuk bermain secara terpisah hanya karena kami telah mengimplementasikannya dan sekarang kami ingin 01:23.970 --> 01:25.870 fokus pada apa yang baru. 01:25.980 --> 01:32.370 Dan percayalah, kami memiliki banyak hal baru untuk dilakukan dengan kecerdasan buatan baru ini karena tidak hanya kami ingin membangun 01:32.370 --> 01:36.620 AI AI tetapi kami ingin membangun AI apa pun untuk mengalahkan malapetaka. 01:36.690 --> 01:42.540 Jadi bisa dibayangkan bahwa ini akan memerlukan beberapa kode yang cukup canggih sehingga tidak perlu khawatir. 01:42.540 --> 01:46.850 Kami memiliki kode besar yang menunggu kami dan Anda akan belajar banyak trik baru. 01:46.860 --> 01:53.450 Itulah sebabnya trik replay pengalaman ini yang sudah Anda ketahui dan yang saya ingatkan meningkatkan banyak pelatihan. 01:53.640 --> 01:59.550 Baiklah mari kita katakan secara terpisah dalam pengalaman yang kami mainkan sehingga saya dapat fokus pada 01:59.550 --> 02:02.950 semua konsep dan teknik baru yang sedang menunggu kita. 02:03.060 --> 02:06.890 Baiklah dan kemudian kita memiliki pra-pemrosesan gambar yang saya temukan. 02:06.930 --> 02:12.510 Jadi itu file python lain yang akan menangani pra-pemrosesan atau gambar karena Anda tahu 02:12.510 --> 02:18.890 kali ini atau saya akan memiliki mata dan itu karena status input tidak lagi dikodekan oleh vektor. 02:18.960 --> 02:21.560 Tapi kali ini status input adalah gambar. 02:21.570 --> 02:27.960 Jadi lapisan pertama dari jaringan saraf besar yang akan dibuat adalah mata dan itu akan 02:27.960 --> 02:34.830 menjadi lapisan konvolusional dari jaringan baru convolutional untuk memastikan gambar-gambar ini dapat diterima sebagai input dari jaringan 02:34.830 --> 02:35.710 saraf convolutional. 02:35.850 --> 02:42.270 Kita perlu preprocess mereka dan demam ini akan mengurus pra-pemrosesan gambar-gambar ini sehingga mereka dapat 02:42.270 --> 02:44.220 masuk ke jaringan saraf. 02:44.220 --> 02:48.850 Jadi saya memisahkan katup ini karena ini tidak berhubungan langsung dengan AI. 02:48.960 --> 02:55.350 Dan lagi-lagi kita ingin menjaga otak kita maksimum dalam ingatan kita dan fokus kita pada segala sesuatu yang 02:55.350 --> 02:56.530 berhubungan dengan AI. 02:56.700 --> 03:02.430 Jadi kami menempatkan ini secara terpisah sehingga kami dapat preproses bahkan hanya dalam lampu kilat dan menghemat 03:02.430 --> 03:03.860 energi untuk sisanya. 03:03.910 --> 03:07.690 Anda dapat melihatnya jika Anda mau dan Anda juga memiliki inti yang dalam. 03:07.740 --> 03:10.490 Anda bisa melihat tutorial praktisnya. 03:10.560 --> 03:12.690 Kami berbicara tentang pemrosesan gambar. 03:12.840 --> 03:15.410 Nah di sini lagi kita benar-benar ingin fokus ke mata. 03:15.420 --> 03:19.770 Percayalah, kami memiliki banyak hal yang harus dilakukan dan akhirnya folder terakhir. 03:19.890 --> 03:21.660 Nah itu folder videonya. 03:21.720 --> 03:24.650 Jadi sekarang folder ini kosong seperti yang Anda lihat. 03:24.780 --> 03:31.190 Tetapi ketika kita mengeksekusi kode tersebut, beberapa video malapetaka apel akan ditambahkan ke folder ini. 03:31.290 --> 03:36.770 Jadi itu akan sangat menarik karena kita akan melihat pada beberapa video seberapa baik AI bekerja. 03:36.870 --> 03:42.070 Jadi kita benar-benar akan melihat AI membunuh monster dan mencoba berlari menuju tujuan. 03:42.220 --> 03:44.410 Anda akan melihat ini akan sangat menarik. 03:44.580 --> 03:50.790 Jadi tentu saja video pertama akan sangat buruk karena mata tidak akan dilatih banyak dan sehingga akan terbunuh dengan 03:50.790 --> 03:56.940 sangat cepat, tetapi kemudian Anda akan melihat bahwa seiring pelatihan berkembang dengan baik mata akan menjadi lebih baik 03:56.940 --> 04:02.330 dan lebih baik dan pada akhirnya itu akan berhasil membunuh beberapa monster yang tidak terbunuh. 04:02.430 --> 04:06.660 Dan semoga kita bisa membuatnya tercapai. 04:06.660 --> 04:10.720 Baiklah jadi mari kita kembali ke AFL kami yang hanya satu. 04:10.860 --> 04:16.710 Dan seperti yang Anda lihat, saya sudah mengurus mengimpor semua pustaka pusat dan paket yang perlu 04:17.040 --> 04:17.870 kita mainkan. 04:18.060 --> 04:23.160 Jadi mari kita cepat melihat mereka satu per satu yang tentu saja tidak kita miliki karena kita akan bekerja 04:23.160 --> 04:23.920 dengan array. 04:24.090 --> 04:25.740 Itu tidak bisa dihindari. 04:25.740 --> 04:29.500 Kemudian kami telah berbicara tentu saja karena kami menerapkan AI dengan obor. 04:29.580 --> 04:35.220 Kemudian kita memiliki obor itu dan modul yang berisi semua alat untuk mengimplementasikan jaringan saraf. 04:35.220 --> 04:40.740 Jadi misalnya modul akan berisi lapisan konvolusional yang akan menjadi bagian dari jaringan saraf kita di 04:40.740 --> 04:41.790 masa depan. 04:41.790 --> 04:49.110 Kemudian kita memiliki paket fungsional yang memiliki pintasan dan yang berisi semua fungsi yang digunakan 04:49.110 --> 04:50.840 dalam jaringan saraf. 04:50.970 --> 04:57.480 Jadi biasanya fungsi aktivasi akan menggunakan beberapa fungsi aktivasi perbaikan, tetapi juga beberapa fungsi 04:57.790 --> 05:04.010 penyatuan untuk jaringan saraf perusahaan dan semua fungsi ini terkandung dalam fungsional. 05:04.240 --> 05:10.990 Kemudian kita punya dia yang tentu saja untuk optimizer. Saya pikir kita akan menggunakan addon optimizer 05:10.990 --> 05:18.250 dan optimizer ini terkandung padanya dan kemudian yang terbaik dari yang terbaik dengan kelas variabel dari modul 05:18.250 --> 05:24.400 tanda tangan dan itu saja kekuatan itu semua karena itulah yang mengandung grafik dinamis 05:24.400 --> 05:29.860 yang memungkinkan untuk melakukan perhitungan gradien yang sangat cepat bahkan gradien fungsi 05:29.860 --> 05:30.820 komposisi. 05:30.850 --> 05:32.870 Jadi kita pasti akan menggunakannya. 05:32.890 --> 05:34.400 Adapun prajurit di dalam mobil. 05:34.510 --> 05:37.890 Tapi percayalah padaku untuk Dume kita akan sangat membutuhkannya. 05:38.260 --> 05:45.080 Saya kira itu saja untuk pustaka-pustaka penting maka kita perlu mengimpor beberapa paket yang terkait dengan agen 05:45.090 --> 05:46.680 terbuka dan malapetaka. 05:46.810 --> 05:53.560 Jadi tentu saja kita mengimpor Jim kemudian kita mengimpor beberapa modul pembungkus pustaka gen dan salah satu pembungkus 05:53.560 --> 05:55.340 ini adalah pembungkus Kyp. 05:55.380 --> 05:59.170 Jadi itu pada dasarnya untuk mengimpor semua alat dan lingkungan Jim. 05:59.230 --> 06:04.390 Dan akhirnya kami memiliki paket ini yang perlu kami impor dan yang berhubungan langsung dengan yang harus dilakukan. 06:04.510 --> 06:11.470 Dan itulah ruang sebenarnya dan dua diskrit pembungkus kehancuran yang pada dasarnya berisi lingkungan kehancuran 06:11.470 --> 06:15.330 dan lebih khusus lagi tindakan yang dapat dimainkan. 06:15.340 --> 06:19.620 Jumlah aksi untuk game spesifik ini yang akan kami mainkan. 06:19.750 --> 06:25.450 Dan saya ingatkan bahwa ada enam bagian bergerak ke kiri, ke kanan, ke kiri, ke 06:25.450 --> 06:27.300 kanan, maju dan tembak. 06:27.440 --> 06:30.780 Baiklah jadi pada dasarnya itulah yang perlu Anda impor untuk malapetaka. 06:30.820 --> 06:36.950 Dan akhirnya kami tentu saja perlu mengimpor dua pengalaman file internal kami. 06:36.970 --> 06:38.430 Kami memainkan pengalaman Whyfor murni. 06:38.440 --> 06:45.220 Kami memainkan pra-pemrosesan gambar untuk memproses ulang gambar yang tidak lain adalah gambar 06:45.220 --> 06:45.950 layar. 06:46.060 --> 06:52.810 Saat bermain game dan gambar-gambar ini akan diproses lebih dulu dikonversi menjadi non-pembayar dibentuk kembali ke format tertentu 06:52.810 --> 06:58.680 dan kemudian mereka akan pergi ke yang baru yang konvolusional pada yang baik-baik saja. 06:58.680 --> 07:07.710 Jadi saya kira sekarang bahwa kami sudah siap untuk memulai implementasi besar dari AI ini dan sekarang sangat penting bagi saya untuk memberitahu Anda bahwa 07:07.710 --> 07:13.890 yang menuntun saya ke poin yang sangat penting dari Munjal ini adalah karena sejak Anda tahu saya 07:13.890 --> 07:17.370 memberi tahu Anda kami memiliki besar implementasi menunggu kami. 07:17.490 --> 07:21.720 Agar tidak tersesat dalam semua ini kita membutuhkan struktur yang baik. 07:21.930 --> 07:24.950 Jadi saya sudah menyoroti strukturnya. 07:25.170 --> 07:28.020 Kami akan menerapkan ini dalam dua bagian. 07:28.020 --> 07:30.920 Bagian pertama adalah tentang membangun AI. 07:31.110 --> 07:35.260 Jadi di situlah kita akan membuat otak ai ai di otak. 07:35.280 --> 07:38.260 Seperti yang Anda pahami, itu tidak lain adalah jaringan saraf. 07:38.370 --> 07:45.390 Anda tahu CNN besar ini terdiri dari beberapa lapisan konvolusional dan kemudian beberapa lapisan yang terhubung penuh 07:45.390 --> 07:46.710 untuk memprediksi output. 07:46.710 --> 07:50.430 Masih ada nilai-nilai kunci dan kemudian kita akan membuat tubuh AI. 07:50.550 --> 07:53.270 Dan itulah representasi baru yang saya bawa kepada Anda. 07:53.400 --> 07:55.490 Dan lagi-lagi jangan sampai tersesat. 07:55.620 --> 08:01.260 Anda akan melihat bahwa semakin jauh kita maju dengan kode semakin kita akan melihat struktur dan semuanya akan 08:01.260 --> 08:02.590 masuk akal pada akhirnya. 08:02.880 --> 08:06.480 Dan untuk memastikan itu masuk akal, kita membutuhkan representasi AI. 08:06.690 --> 08:12.840 Dan pada dasarnya ini bagian pertama dari membangun AI akan terdiri dari tiga bagian. 08:12.840 --> 08:17.370 Bagian pertama adalah tentang membuat otak yang merupakan jaringan saraf. 08:17.430 --> 08:20.200 Bagian kedua adalah tentang membuat tubuh. 08:20.400 --> 08:25.200 Dan saya menyebutnya tubuh karena ini adalah bagian yang akan memberi tahu AI cara memainkan aksinya. 08:25.200 --> 08:30.590 Jadi, Anda tahu dulu bahwa Anda memiliki otak yang mendeteksi gambar dan memprediksi nilai q. 08:30.660 --> 08:36.480 Tetapi kemudian Anda perlu menentukan bagaimana AI harus memainkan aksinya dan melakukannya dengan nilainya seperti yang 08:36.480 --> 08:37.790 dilakukan tubuh manusia. 08:38.040 --> 08:44.010 Jadi tubuh akan menjadi bagian di mana kita akan menentukan metode memainkan aksinya. 08:44.010 --> 08:50.280 Jadi misalnya dengan mobil self-driving kami, otak adalah jaringan saraf yang kami buat dan tubuh adalah bagaimana 08:50.280 --> 08:51.500 aksi itu dimainkan. 08:51.570 --> 08:53.540 Yaitu dengan metode Saft selanjutnya. 08:53.700 --> 08:58.290 Dan di sini itu sama kita akan membuat otak dan kita akan membuat tubuh yang akan 08:58.290 --> 08:59.080 memainkan aksinya. 08:59.190 --> 09:00.320 Saya akan membiarkan Anda mencari tahu. 09:00.520 --> 09:06.180 Tetapi poin utama dari semua ini adalah bahwa kita akan memiliki kode yang sangat terstruktur sehingga tidak hanya Anda 09:06.180 --> 09:11.610 dapat mengambil langkah mundur dan benar-benar memahami apa yang terjadi tetapi juga Anda akan dapat menggunakannya sebagai kerangka 09:11.850 --> 09:15.360 kerja setiap kali Anda ingin membangun AI untuk tujuan lain. 09:15.360 --> 09:15.970 Baiklah. 09:15.990 --> 09:17.540 Dan setelah membangun. 09:17.640 --> 09:24.810 Pada bagian satu kita akan beralih ke bagian 2 yang akan menerapkan konvolusional di sana-sini akan 09:24.810 --> 09:26.820 memiliki bagian yang berbeda. 09:26.910 --> 09:29.850 Dan salah satunya tentu saja akan melatih AI. 09:30.240 --> 09:32.560 Jadi saya tidak sabar untuk menyelaminya sekarang. 09:32.580 --> 09:38.950 Kita akan mulai dengan yang jelas dan kita akan mulai dengan membuat otak AI kita. 09:39.330 --> 09:41.580 Jadi saya tidak bisa menunggu sampai saat itu. 09:41.680 --> 09:42.090 AI.