WEBVTT

00:00.180 --> 00:06.570
مرحبًا ومرحبًا بكم في الجزء الأول من هذا الجزء الأول من تنفيذ الجزء الأول لبناء الذكاء الاصطناعي

00:06.570 --> 00:13.110
وكما ترون ، فقد أضفت بالفعل بُعدًا في هيكل هذا التنفيذ مع الأقسام الثلاثة المكونة للجزء الأول والتي

00:13.110 --> 00:15.900
توضح بوضوح كيف سنقوم ببناء هذا .

00:15.900 --> 00:20.760
سنقوم أولاً بصنع الدماغ الذي ليس سوى الشبكة العصبية.

00:20.760 --> 00:25.320
ثم سنصنع الجسم الذي سيحدد كيف سيتم لعب الإجراءات.

00:25.320 --> 00:31.290
وبعد ذلك بمجرد أن يكون لدينا الدماغ والجسم ، سنقوم بتجميعهم لصنع الذكاء الاصطناعي ، والذي سيكون في

00:31.290 --> 00:33.420
القسم الأخير من هذا الجزء الأول.

00:33.630 --> 00:37.680
حتى الآن يمكنك بالفعل الحصول على رؤية جيدة لهيكل هذا التنفيذ.

00:37.680 --> 00:42.660
أولاً نصنع الدماغ ، ثم نصنع الجسم ، ثم نجمعه لنصنع الذكاء الاصطناعي.

00:42.750 --> 00:48.510
وبعد ذلك في هذا الدرس التعليمي ، سنبدأ بالقسم الأول الذي يدور حول تكوين الدماغ وهذا

00:48.510 --> 00:51.210
سيأخذنا إلى البرامج التعليمية.

00:51.210 --> 00:54.720
يمكنك أن تتخيل أن صنع دماغ ليس مثل صنع كعكة.

00:54.720 --> 00:57.000
لذلك سيتطلب هذا أكثر من برنامج تعليمي واحد.

00:57.000 --> 01:03.630
وبالطبع ، كالعادة ، سنقوم بتمثيل هذا الدماغ مع الفصل لأننا سنحتاج إلى عدة وظائف ومن أجل

01:03.630 --> 01:10.140
الحصول على هيكل من عدة وظائف سيتم تنظيمها في نوع من التعليمات ، حسنًا ، بالطبع نحتاج فصل

01:10.140 --> 01:15.300
دراسي ، وهذا مثالي ، لأنه بمجرد أن نجعل هذا الفصل جيدًا ، سنكون قادرين

01:15.300 --> 01:21.780
على إنشاء العديد من الأدمغة كما نريد بمجرد إنشاء بعض الكائنات من هذه الفئة.

01:21.780 --> 01:28.050
لذا مرة أخرى ، تعتبر الفصول في Python وبشكل عام في لغات البرمجة الموجهة للكائنات عملية للغاية

01:28.050 --> 01:33.420
لأنك تصنع نموذجك لشيء تريد بناءه ومن ثم يمكنك إنشاء العديد من الكائنات كما تريد

01:33.420 --> 01:37.710
، وستحصل على جميع الميزات التي تحددها في الفصل.

01:37.710 --> 01:40.380
وبالنسبة لأدمغتنا ، فإن الميزات ستكون بالطبع.

01:40.380 --> 01:45.870
حسنًا ، أولاً وقبل كل شيء ، بنية الشبكة العصبية ، والتي أذكرها ستكون CNN وبالطبع الوظائف المختلفة

01:45.870 --> 01:52.230
مثل ، على سبيل المثال ، تمرير الإشارات من الخلايا العصبية المدخلة إلى الخلايا العصبية الناتجة.

01:52.230 --> 01:55.290
هذا ما نقوم به بالطبع ، الوظيفة الرابعة التي سنقوم بها.

01:55.680 --> 01:58.770
لنفعل هذا ، لنبدأ في صنع الدماغ.

01:58.770 --> 02:00.510
سيكون هذا مثيرًا جدًا.

02:00.510 --> 02:04.650
إنه أحد أجزائي المفضلة ، وبالتالي دعنا ندخله مباشرة.

02:04.650 --> 02:10.740
لذلك سنبدأ بتقديم فصل ، بالطبع ، وسنسمي هذا الفصل.

02:10.740 --> 02:18.270
حسنًا ، لقد ترددت في تسميته دماغًا ، لكن لنكن أكثر مباشرة ودعونا نسميها CNN ، لأن الدماغ في الواقع

02:18.270 --> 02:22.290
عبارة عن شبكة CNN ، شبكة عصبية تلافيفية.

02:22.290 --> 02:24.360
لذلك كما تريد ، يمكنك تسميته دماغًا إذا كنت تريد ذلك.

02:24.360 --> 02:27.450
لكننا نعرف الآن على الأقل ما نبنيه.

02:28.490 --> 02:34.960
وسي إن إن بالنسبة لشبكة السيارة ذاتية القيادة سوف ترث من وحدة GN.

02:34.970 --> 02:43.040
لذلك تذكر أن وحدة DN هي ما قمنا باستيراده هنا ونريد أن نكون قادرين على استخدام جميع أدوات وحدة المحرك هذه

02:43.040 --> 02:49.010
، وبالتالي نريد استخدام هذه التقنية في البرمجة الموجهة للكائنات ، وهي الوراثة

02:49.010 --> 02:55.100
والتي تتيح لنا ، كما تعلمون ، حسنًا ، استخدم جميع الأدوات من فئة الوالدين.

02:55.100 --> 02:59.240
وستكون هذه الفئة الرئيسية عبارة عن وحدة RN DOT.

02:59.810 --> 03:00.710
هناك نذهب.

03:00.710 --> 03:05.060
والآن يمكننا استخدام جميع أدوات وكائنات وحدة الملاحظات.

03:05.360 --> 03:06.020
حسنا.

03:06.020 --> 03:11.990
والآن بعد أن أصبح لدينا ميراثنا ، يمكننا الذهاب إلى الفصل لعمل وظيفتنا الأولى.

03:11.990 --> 03:18.500
وكما تعتقد على الأرجح ، فإن الوظيفة الأولى هي وظيفة init التي ستحدد جميع متغيرات كائنات

03:18.500 --> 03:23.390
الدماغ المستقبلية في المستقبل ، كائنات CNN التي سيتم إنشاؤها.

03:23.480 --> 03:30.770
حسنًا ، لنفعل هذا التعريف ثم إلى هذه الدورة التدريبية لتأكيد التسطير مرة أخرى والآن نحتاج إلى إدخال بعض

03:30.770 --> 03:31.850
المتغيرات.

03:31.850 --> 03:34.640
أولًا ، المتغير الأول سيكون الذات.

03:35.150 --> 03:37.250
هذا بالطبع للإشارة إلى الكائن.

03:37.280 --> 03:39.620
الآن أعتقد أنك مرتاح جدًا لهذا الأمر.

03:39.620 --> 03:45.260
ثم سنضيف متغيرًا آخر ، وهو عدد الإجراءات في البيئة الغبية.

03:45.260 --> 03:50.000
لذلك سنسميها إجراءات رقمية ، عددًا من الإجراءات.

03:50.300 --> 03:54.230
وفي الواقع ، هذا المتغير ليس إلزاميًا لوظيفة init.

03:54.230 --> 03:59.690
إنه فقط إذا كنت ترغب في اختبار واجهة برمجة التطبيقات التي سنبنيها على بيئات أخرى ، حسنًا

03:59.690 --> 04:06.590
، سيكون هذا عمليًا للغاية لأننا سنستورد هذا العدد من الإجراءات المتغيرة من أغلفة بيئة Dhoom مع اثنين من العناصر

04:06.590 --> 04:08.270
المنفصلة.

04:08.270 --> 04:13.880
وعند القيام بذلك ، كما تعلم ، سنقوم بإدخال اسم البيئة المهلكة بصفر.

04:13.880 --> 04:20.990
وبالتالي ، إذا كنت ترغب في تجربة هذا في بيئات عذاب أخرى واللعب في ألعاب أخرى ، فلن يكون لديك أي شيء

04:20.990 --> 04:26.240
تفعله لأن هذا العدد من الإجراءات سيحصل مباشرة على عدد الإجراءات في بيئة

04:26.240 --> 04:28.460
الهلاك التي ستلعبها مع.

04:28.940 --> 04:32.600
حسنًا ، هذا هو كل ما يتعلق بعاملي هذه الدالة init.

04:32.600 --> 04:36.290
لذا يمكننا الآن الدخول إلى الداخل ونتذكر الآن ما يتعين علينا القيام به.

04:36.320 --> 04:41.330
أول شيء يتعين علينا القيام به هو تنشيط الوراثة بالوظيفة الفائقة.

04:41.480 --> 04:43.730
لذلك هذا تمامًا مثل السيارة ذاتية القيادة.

04:43.730 --> 04:45.800
نأخذ الوظيفة الفائقة.

04:45.890 --> 04:53.000
ثم نبدأ في الداخل بإدخال الفئة التي ستحدد الشبكة العصبية ، وهي CNN.

04:53.450 --> 04:56.930
ثم يتعين علينا إدخال self للإشارة إلى الكائن.

04:56.930 --> 05:04.970
لكن تذكر بعد ذلك ، هذا ليس كل ما نحتاجه لإضافة نقطة هنا ثم وظيفة init مع بعض الأقواس.

05:04.970 --> 05:10.970
ومن خلال القيام بذلك نقوم بتنشيط الميراث والآن يمكننا استخدام جميع الأدوات من الوحدة النهائية.

05:11.330 --> 05:17.000
حسنًا ، أعتقد الآن أن الوقت قد حان لبناء بنية الشبكة العصبية.

05:17.000 --> 05:23.120
وهكذا ، كما تتذكر ، سنقوم ببناء CNN ، شبكة عصبية تلافيفية ، ببساطة لأن هذه المرة سيكون

05:23.120 --> 05:31.130
للذكاء الاصطناعي عيون وعيون الذكاء الاصطناعي ستكون الطبقات التلافيفية لهذه الشبكة العصبية التلافيفية.

05:31.220 --> 05:38.150
وبعد ذلك ، بعد أن يتخيل الذكاء الاصطناعي الصور مع الطبقات التلافيفية ، فإنه سيمرر الإشارات

05:38.150 --> 05:41.000
إلى شبكة عصبية اصطناعية كلاسيكية.

05:41.000 --> 05:46.310
لذلك هذا هو ما كان لدينا من قبل مع طبقات متصلة بالكامل ، وهذا هو المكان الذي سيحاول

05:46.310 --> 05:50.300
فيه التنبؤ بقيم التلميح لكل إجراء ممكن يمكننا لعبه.

05:51.020 --> 05:53.540
لذلك لديك الهندسة المعمارية في الاعتبار.

05:53.540 --> 05:58.700
أولاً ، سيكون لدينا بعض الطبقات التلافيفية ثم بعض الطبقات المتصلة بالكامل ، وسيكون

05:58.700 --> 06:01.100
هذا هو دماغ الذكاء الاصطناعي لدينا.

06:01.280 --> 06:07.460
إذن ما الذي سنفعله لنكون قادرين على التراجع عما نصنعه؟

06:07.460 --> 06:11.450
حسنًا ، دعنا نصنع هذه البنية باستخدام المتغيرات التي نريد إنشاءها.

06:11.600 --> 06:18.740
لذا في الواقع ، بالحديث عن هذه البنية ، سنقوم ببناء شبكة CNN بثلاث طبقات تلافيفية ، ثم بعد

06:18.740 --> 06:24.200
تلك الطبقة المخفية ، هذا يعني أننا سنحتاج إلى ثلاث وصلات تلافيفية

06:24.200 --> 06:25.940
واتصالين كاملين.

06:25.940 --> 06:29.480
وبالحديث عن الروابط ، هذا بالضبط ما نحن على وشك تحديده.

06:29.480 --> 06:32.330
ستكون هذه متغيرات فئة CNN الخاصة بنا.

06:32.330 --> 06:37.250
وبالتالي ، الآن ، سأقوم بتعريف خمسة متغيرات ، ثلاثة للوصلات التلافيفية

06:37.250 --> 06:39.080
واثنان للوصلات الكاملة.

06:39.080 --> 06:40.010
لذلك دعونا نفعل هذا.

06:40.010 --> 06:42.530
سنبدأ بالروابط التلافيفية.

06:42.530 --> 06:48.080
لذلك سأسميهم التفاف نقطة ذاتية واحد.

06:48.440 --> 06:50.780
سأقوم بنسخ ذلك و.

06:52.360 --> 06:54.890
باشرهم في الأسفل وها نحن ذا.

06:54.910 --> 06:58.570
الالتواء الذاتي الثاني والالتفاف الذاتي الثالث.

06:58.810 --> 07:01.150
هذه هي روابط الالتفاف لدينا.

07:01.150 --> 07:08.380
إذن هذا الالتفاف الأول هنا سوف يطبق بعض الالتواء على الصور المدخلة للحصول على الطبقة التلافيفية

07:08.380 --> 07:11.020
الأولى ، ثم الالتفاف الثاني.

07:11.020 --> 07:17.230
سيأخذ اثنان هنا الطبقة التلافيفية الأولى كمدخلات ، ومن خلال تطبيق بعض الالتفاف مرة أخرى

07:17.230 --> 07:19.540
، ستنشئ طبقة تلافيفية ثانية.

07:19.540 --> 07:25.810
وفي هذه الطبقة التلافيفية سنحصل على بعض الصور الجديدة ، كل واحدة منها تكتشف ميزة واحدة محددة.

07:25.810 --> 07:28.870
لذلك سوف نحصل على هذه الصور الجديدة في طبقة تلافيفية.

07:28.870 --> 07:36.520
ثم سنقوم بتطبيق هذا الالتفاف هنا لربط هذه الصور الجديدة من هذه الطبقة التلافيفية الأولى

07:36.520 --> 07:40.210
ببعض الصور الجديدة لطبقة تلافيفية ثانية.

07:40.210 --> 07:46.030
وهذه الصور الجديدة ، مرة أخرى ، ستكتشف بعض الميزات في صور الطبقة التلافيفية الأولى.

07:46.030 --> 07:52.570
لذلك فهو فقط لتعزيز اكتشاف الميزات ثم إلى صور الطبقة التلافيفية الثانية.

07:52.570 --> 08:00.160
نطبق الالتفاف الثالث هنا لنحصل لكل منها على المزيد من الصور التي تكشف عن المزيد من الميزات داخل

08:00.160 --> 08:01.780
الصور المدخلة.

08:01.780 --> 08:07.240
وكلما فعلنا ذلك أكثر ، كلما طبقنا بعض التلافيف على طبقات مختلفة من الصور.

08:07.270 --> 08:10.210
حسنًا ، كلما تمكنا من اكتشاف بعض الميزات.

08:10.210 --> 08:15.460
وهذه هي الطريقة من خلال اكتشاف الميزات ، سوف يفهم الذكاء الاصطناعي مكان الوحوش ، وأين يجب

08:15.460 --> 08:18.280
أن تطلق النار لقتلهم ، وإلى أين يجب أن تذهب.

08:18.310 --> 08:23.110
سوف يكتشف أيضًا الجدران والعقبات ، حسنًا ، حرفيًا إلى أين يجب أن تذهب.

08:23.110 --> 08:29.620
وذلك بفضل ما تكتشفه كل هذه الطبقات التلافيفية في صور الإدخال الأصلية.

08:30.290 --> 08:30.650
حسنا.

08:30.650 --> 08:34.910
هذا هو جزء الالتفاف من CNN.

08:34.910 --> 08:42.350
لكن تذكر بعد ذلك بعد الطبقات التلافيفية ، أنه يتعين علينا تسوية جميع وحدات البكسل التي تم الحصول عليها من خلال سلسلة مختلفة

08:42.350 --> 08:44.660
من التلافيفات التي تم تطبيقها.

08:44.660 --> 08:51.350
ومن خلال تسطيح كل مصفوفات البكسل ، نحصل على هذا المتجه الضخم الذي سيصبح مدخلات لشبكة عصبية

08:51.350 --> 08:53.270
اصطناعية كلاسيكية.

08:53.270 --> 08:58.250
وهذا هو المكان الذي نحصل فيه على طبقاتنا المتصلة بالكامل وبالتالي روابطنا الكاملة.

08:58.430 --> 09:04.580
والآن ما يتعين علينا القيام به هو إنشاء متغيرين جديدين لأننا سنحصل على طبقة مخفية واحدة في هذه الشبكة العصبية

09:04.580 --> 09:07.400
الاصطناعية الكلاسيكية التي تأتي بعد ذلك.

09:07.400 --> 09:13.340
وبالتالي ، نحتاج إلى اتصال كامل واحد من هذا المتجه المسطح الضخم إلى هذه الطبقة المخفية

09:13.340 --> 09:19.220
ووصلة ثانية كاملة بين هذه الطبقة المخفية وطبقة الإخراج المكونة من الخلايا العصبية الناتجة

09:19.220 --> 09:21.440
التي تمثل قيم الإشارات.

09:21.680 --> 09:26.870
لذلك دعونا نجعل هذه الوصلات 2/1 وبعد ذلك سنحدد كل هذه الروابط.

09:26.990 --> 09:35.510
أما بالنسبة للسيارة ذاتية القيادة ، فسنطلق عليها اسم النقطة الذاتية FC one ثم النقطة الذاتية FC two.

09:36.080 --> 09:41.030
حسنًا ، لدينا الآن جميع المتغيرات الخاصة بنا والآن ما يتعين علينا القيام

09:41.030 --> 09:43.820
به هو بالطبع تحديدها مع فئات وحدة RN.

09:44.060 --> 09:48.860
هذا يعني أننا سننشئ أساسًا بنية الشبكة العصبية وهذا ما سنفعله في البرنامج

09:48.860 --> 09:50.260
التعليمي التالي.

09:50.270 --> 09:51.470
حتى ذلك الحين ، استمتع.

09:51.470 --> 09:51.890
أنا.