WEBVTT 00:00.270 --> 00:06.230 Hallo und herzlich willkommen zu dieser Pipe und zu Torro. Jetzt müssen wir die fünf Variablen dieser Funktion 00:06.240 --> 00:09.560 definieren, die die drei Windungen und die zeitlichen Verbindungen sind. 00:09.810 --> 00:11.100 Beginnen wir mit dem ersten. 00:11.250 --> 00:18.690 Convolutional 1 wendet Faltung auf die Eingabebilder an, sodass es sich um die Originalbilder handelt. Nun werden Sie sehen, 00:18.690 --> 00:22.710 wie alles so einfach wird, um diese Faltung zu erstellen. 00:22.770 --> 00:29.070 Nun, wir müssen tatsächlich ein Thema für eine bestimmte Klasse erstellen, und diese Klasse wird 00:29.070 --> 00:38.800 von und dann genommen, und dann kommen die Klassen zum Ziel, da wir mit 2D-Bildern arbeiten und jetzt, wie Sie sehen können, 00:38.800 --> 00:40.930 mehrere erforderlich sind Argumente. 00:40.930 --> 00:43.140 Zuerst ist man in Kanälen. 00:43.190 --> 00:45.910 Lassen Sie uns es in Kanälen setzen. 00:45.970 --> 00:49.210 Der zweite ist out-Kanäle. 00:49.330 --> 00:57.070 Die dritte ist die Kerno-Größe, und der Rest von ihnen füllt die Dilatationsgruppen und die Vorspannung auf. 00:57.130 --> 00:59.120 Und für all diese haben wir unterschiedliche Werte. 00:59.260 --> 01:02.290 Wir gehen also nicht weiter, aber wir behalten die Standardwerte bei. 01:02.470 --> 01:08.500 Was jedoch wichtig ist, sind diese drei Argumente in Channels und Channels sowie der Kernelgröße, und ich schätze, 01:08.500 --> 01:09.740 was ihnen entspricht. 01:09.880 --> 01:15.730 Nun, sehr einfach entspricht im Allgemeinen der Eingabe der Faltung und alle Kanäle entsprechen 01:15.730 --> 01:17.900 der Ausgabe der Schlussfolgerung. 01:17.920 --> 01:19.940 Was wird es also sein? 01:20.110 --> 01:24.460 Nun, ganz einfach, das ist die Anzahl der Kanäle in unseren Bildern. 01:24.610 --> 01:30.460 Und eigentlich werden wir mit Schwarz-Weiß-Bildern arbeiten, weil wir im Grunde keine Farben erkennen, um die Monster 01:30.460 --> 01:31.360 zu erkennen. 01:31.450 --> 01:35.310 Die KI ist in der Lage, die Monster in Schwarz und Weiß zu erkennen. 01:35.440 --> 01:39.200 So sehen wir die Farben überhaupt nicht, erkennen sie nur an ihrer Form. 01:39.250 --> 01:44.380 Deshalb werden wir einen Kanal verwenden, also einen Kanal, wenn Sie Schwarzweißbilder haben, und drei 01:44.380 --> 01:46.820 Kanäle, wenn Sie Bilder aufgerufen haben. 01:46.930 --> 01:51.320 Da wir also mit Schwarz-Weiß-Bildern in Kanälen arbeiten, wird es 01:51.340 --> 01:59.730 gleich einem Kanal sein, also mit unseren Kanälen. Daher werden unsere Kanäle den Bildern entsprechen, die Sie in 01:59.730 --> 02:02.970 der dortigen Faltung haben möchten ein. 02:02.970 --> 02:08.820 Grundsätzlich entspricht dies der Anzahl der gewünschten Features für den Text in den Originalbildern, denn wer wird 02:09.240 --> 02:15.040 ein Bild pro Feature erstellen, das wir erkennen möchten, weil Sie grundsätzlich wissen, wie es funktioniert. 02:15.120 --> 02:21.390 Wir haben einen Merkmalsdetektor auf das Eingabebild angewendet, um ein bestimmtes Merkmal im Eingabebild zu erkennen. Daher 02:21.390 --> 02:26.450 ist die Anzahl der Ausgabebilder hier die Anzahl der zu erkennenden Merkmale. 02:26.460 --> 02:30.110 Nun stellt sich die Frage, wie viele Features wir erkennen möchten. 02:30.240 --> 02:38.730 Eine übliche Praxis ist es, mit 32 Merkmalsdetektoren zu beginnen, so dass wir in dieser ersten Faltungsschicht zu 32 Prozent 02:38.820 --> 02:46.170 Bildern führen werden, so dass die Eingabe ein Schwarzweißbild eines realen Bildes ist und die Ausgabe in 02:46.170 --> 02:53.010 der ersten Faltung 32 verarbeitete Bilder ist und unter verarbeitet meine ich natürlich, dass die Schlussfolgerung 02:53.380 --> 02:59.750 auf das Eingabebild angewendet wurde, um 32 neue Bilder mit erkannten Merkmalen zu erhalten. 03:00.240 --> 03:06.990 Und dann müssen wir eine Kerngröße angeben, die nichts anderes ist als die Abmessungen des Quadrats, 03:07.080 --> 03:09.450 die durch das Originalbild gehen. 03:09.600 --> 03:15.350 Und in der üblichen Praxis kaufen wir entweder zwei oder drei breite drei oder fünf mal fünf. 03:15.660 --> 03:22.170 Und für den ersten verwenden wir einen fünf mal fünf Merkmalsdetektor, bei dem es sich um einen Merkmalsdetektor handelt, der 03:22.170 --> 03:24.580 über fünf mal fünf 10 Motoren verfügt. 03:24.810 --> 03:29.290 Und dann werden wir die Größe dieses Kerns für die nächsten Faltungsschichten reduzieren. 03:29.340 --> 03:32.320 Und davon zu reden, genau das werden wir jetzt tun. 03:32.390 --> 03:40.860 Wir werden dies kopieren, um die zweite Faltung zu definieren, und deshalb stelle ich fest, dass es hier und jetzt sehr lustig und sehr 03:40.890 --> 03:43.370 einfach ist, es ist wie ein Domino. 03:43.500 --> 03:49.260 Der Eingangskanal der zweiten Faltungsschicht ist der Ausgangskanal der ersten Faltung 03:49.260 --> 03:49.810 dort. 03:49.950 --> 03:55.300 Diese Anzahl der Ausgänge 32 ist hier also die gleiche Anzahl von Eingängen 32. 03:55.420 --> 04:01.290 Und das ist, weil wir 32 Bilder in der Eingangsfaltungsebene der zweiten Faltung haben. 04:01.440 --> 04:10.340 Und so wird die zweite Faltung auf diese zweite Faltungsschicht aufgebracht, um eine dritte Faltungsschicht zurückzugeben. 04:10.530 --> 04:13.280 Die Frage ist also, wie viele neue Bilder wir wollen. 04:13.410 --> 04:19.820 Dasselbe gilt auch für das Erstellen von 32 neuen Bildern. 32 ist eigentlich eine sehr häufige Zahl in neuronalen Faltungsnetzwerken, wenn 04:19.830 --> 04:23.710 Sie sich die Architekturen anschauen, die Sie in vielen von ihnen finden. 04:24.030 --> 04:29.910 Und dann für die Kerngröße Nun, wir müssen die Kerngröße, die die Abmessungen unseres Merkmalsdetektors sind, 04:29.910 --> 04:30.610 reduzieren. 04:30.780 --> 04:37.680 Und jetzt werden wir von fünf auf vier oder sogar drei gehen, und dann werden wir noch kleiner werden. 04:37.920 --> 04:40.790 Also gut, unsere zweite Faltung ist fertig. 04:40.830 --> 04:43.830 Als Eingänge werden 32 Prozessabbilder benötigt. 04:43.890 --> 04:51.130 Jedes in einem ersten Merkmal des ursprünglichen Eingabebildes und erstellt 32 neue Bilder. 04:51.270 --> 04:54.990 Dank dieser reduzierten Abmessungen des Merkmalsdetektors. 04:55.120 --> 04:57.250 Und jetzt lasst uns dies noch mehr vorantreiben. 04:57.300 --> 05:05.450 Also kopiere ich das und füge das hier ein, um eine dritte Faltung zu erzeugen, um einige Merkmale zu erkennen. 05:05.470 --> 05:08.010 Und so sind jetzt auch die Eingangskanäle. 05:08.010 --> 05:13.800 Hier ist die Anzahl der Eingabebilder links von der Dekonvolutionsverbindung, und dies ist die Anzahl der 05:13.800 --> 05:17.740 vorgeschriebenen Bilder, die sich rechts von den vorherigen Faltungsverbindungen befanden. 05:17.740 --> 05:18.710 Das ist 32. 05:18.750 --> 05:20.030 Es tut uns also leid zu hören. 05:20.030 --> 05:20.990 Das ist perfekt. 05:21.220 --> 05:25.220 Nun stellt sich wieder die Frage, wie viele neue Bilder wir entdecken möchten. 05:25.310 --> 05:31.130 Wir nehmen jetzt 64 und damit 64 Ausgaben von vorgefertigten Bildern. 05:31.260 --> 05:36.800 Natürlich nehmen wir jetzt eine kleinere Kerngröße und wir nehmen zwei. 05:36.800 --> 05:42.660 Das ist also eine sehr klassische Architektur einer Faltung, und es ist sehr effizient, ein 05:42.660 --> 05:45.840 hohes Maß an Feature-Erkennung in Bildern zu haben. 05:46.200 --> 05:53.010 Nun gut, und jetzt, da wir unsere drei Faltungen haben, gibt es hier unsere drei 05:53.010 --> 05:53.510 Faltungsverbindungen. 05:53.640 --> 05:59.970 Nun, es ist an der Zeit, unsere zahnvollen Verbindungen zu erhalten. Ich erinnere daran, dass wir diesen 05:59.970 --> 06:07.710 riesigen Vektor nehmen, den wir erhalten, nachdem wir alle 64-mal 32-mal 32 Bilder, die wir aus all diesen Windungen erhalten 06:08.160 --> 06:13.920 haben, flach gemacht haben Wir können einen riesigen Vektor bilden, der zur Eingabe eines neuen 06:14.190 --> 06:16.590 vollständig verbundenen neuronalen Netzwerks wird. 06:16.860 --> 06:22.230 Deshalb müssen wir zuerst diese Verbindungen zwischen diesem riesigen Vektor und einer verborgenen Schicht herstellen und dann 06:22.470 --> 06:27.710 eine zweite vollständige Verbindung zwischen der verborgenen Schicht und der Ausgabe, die sie aus den Ausgangsneuronen 06:27.730 --> 06:28.270 zusammensetzen. 06:28.320 --> 06:31.940 Jeder entspricht einem Würfelwert der möglichen Aktionen. 06:31.980 --> 06:33.960 Also lassen Sie uns diese beiden Verbindungen herstellen. 06:33.960 --> 06:35.220 Sie wissen, wie das geht. 06:35.220 --> 06:37.550 Genau das haben wir für das selbstfahrende Auto getan. 06:37.560 --> 06:38.800 Also machen wir das nochmal. 06:39.000 --> 06:46.890 Zuerst nehmen wir unser Maggio, dann nehmen wir die Lynnie, unsere Klasse, denn die Verbindung, die wir schaffen, ist wieder 06:46.920 --> 06:49.060 ein Objekt der herrschenden Klasse. 06:49.260 --> 06:50.550 Und dann in Klammern. 06:50.670 --> 06:58.620 Nun, das ist das Gleiche für die Eingabefunktionen, dh die Anzahl von ihnen, dann die Ausgabefunktionen. 06:58.850 --> 07:03.110 Und so gibt es die Eingabemöglichkeiten für die erste vollständige Verbindung. 07:03.340 --> 07:10.300 Nun, das ist gleich der Anzahl der Pixel in dieser großen Vektoränderung, nachdem alle Prozessbilder 07:10.480 --> 07:13.830 nach den drei Windungen abgeflacht wurden. 07:13.830 --> 07:15.110 Und was macht diese Nummer? 07:15.220 --> 07:17.350 Tatsächlich gibt es hier einen Trick. 07:17.380 --> 07:19.620 Diese Zahl ist eigentlich schwer zu bekommen. 07:19.660 --> 07:22.770 Wir müssen tatsächlich eine Funktion erstellen, um diese Zahl zu berechnen. 07:22.960 --> 07:25.570 Wir haben keine Variable, die uns diese Nummer liefert. 07:25.570 --> 07:29.040 Wir müssen es berechnen und deshalb, was wir jetzt tun werden. 07:29.150 --> 07:34.780 Und jetzt ist es sehr wichtig, die Denkweise des Programmierens zu verstehen, die wir haben 07:35.200 --> 07:40.930 müssen, und zu versuchen, Ihnen die Denkweise zu vermitteln, die Sie gerade jetzt denken müssen, um 07:41.110 --> 07:45.690 dieses Hindernis zu überwinden haben diese Anzahl von Neuronen im Flaten-Vektor. 07:45.730 --> 07:46.650 Was soll ich machen. 07:46.660 --> 07:47.600 Ich stecke hier fest. 07:47.800 --> 07:55.720 Nun, eigentlich nicht, denn was Sie jetzt tun können, ist, einfach einen Namen einzugeben, der die Anzahl der Neuronen darstellt, die so 07:55.720 --> 08:01.690 ungewöhnlich sind, dass die Anzahl der Neuronen die Anzahl der Neuronen ist. Dann erstellen wir einfach 08:01.690 --> 08:05.130 eine Funktion, die zurückkommt, und diese Anzahl der Neuronen. 08:05.180 --> 08:07.100 Diese Anzahl von Pixeln suchen wir. 08:07.330 --> 08:12.760 Wir können also völlig tun, dass wir diese Stimme komplett setzen können. Natürlich wird eine Warnung ausgegeben, weil 08:12.760 --> 08:17.090 sie noch nicht existiert, aber wir werden sie später mit einer Funktion erstellen. 08:17.350 --> 08:21.140 Das ist uns auch erlaubt, auch wenn die Funktion danach kommt. 08:21.170 --> 08:25.970 Das ist ein typisches Programmierdenken, das Sie haben müssen, wenn Sie diese Art von Hindernis bekommen. 08:26.020 --> 08:29.710 Nun, Sie können eine Funktion erstellen, um zu bekommen, was Sie vermissen. 08:29.740 --> 08:32.640 Alles klar und dann unsere Features und unsere Zukunft. 08:32.650 --> 08:37.830 Das ist die Anzahl der Neuronen in einer verborgenen Schicht, und diesmal liegt es an Ihnen. 08:37.870 --> 08:41.230 Das hängt von der Architektur des neuen Netzwerks ab, das Sie erstellen möchten. 08:41.230 --> 08:44.230 Und so wäre eine gute Anzahl keine kleine. 08:44.230 --> 08:46.960 So könnten zum Beispiel 40 Neuronen in Ordnung sein. 08:46.960 --> 08:48.660 Wir können versuchen, das zu erhöhen. 08:48.790 --> 08:51.280 Wenn das Training nicht zu langsam ist, können Sie versuchen, das zu erhöhen. 08:51.340 --> 08:56.750 Vielleicht werden dadurch die Vorhersagen verbessert, aber lasst uns mit 40 anfangen, vielleicht erhöhen wir sie danach. 08:57.130 --> 09:04.690 In Ordnung, das ist es für die erste vollständige Verbindung, dann kopieren wir diese Paste hier für die zweite vollständige 09:04.710 --> 09:09.300 Verbindung, nämlich die Verbindung zwischen der verborgenen Ebene und der Ausgabeebene. 09:09.370 --> 09:15.720 Und so werden die Features hier zu den Out-Features der vorherigen Ebene und das sind 40. 09:15.790 --> 09:18.020 Hier können wir also 40 setzen. 09:18.190 --> 09:20.500 Das ist natürlich die Anzahl der Neuronen in einer Schicht. 09:20.860 --> 09:27.280 Und unsere Zukunft wird der Anzahl der Ausgangsneuronen entsprechen, die kein neuronales Netzwerk haben sollte. 09:27.340 --> 09:33.360 Und da jedes Ausgangsneuron einem neuen Wert und einem Cuvee und einer Antwort auf eine 09:33.370 --> 09:38.440 Aktion entspricht, ist die Anzahl der Ausgangsneuronen hier natürlich die Anzahl 09:38.740 --> 09:47.320 der Aktionen, und wir haben eine Variable dafür, nämlich Anzahl Aktionen und daher hier Anzahl Aktionen und dort gehen wir Glückwünsche. 09:47.390 --> 09:53.850 Wir haben festgestellt, dass die Architektur unseres neuronalen Netzwerks aus drei Faltungsschichten und 09:53.850 --> 09:55.960 einer verborgenen Schicht besteht. 09:56.130 --> 10:03.020 All dies in einem großen CNN und diesem CNN erkennt Features im Spiel, sodass die KI weiß, wo sie hin 10:03.020 --> 10:06.550 muss, wo sie hin muss und wo sie schießen muss. 10:06.900 --> 10:08.240 Dann gehen wir diesen Schritt. 10:08.340 --> 10:10.720 Das ist ein erster sehr wichtiger Schritt. 10:10.720 --> 10:16.020 Nun geht es weiter mit dem nächsten Schritt, der natürlich die Anzahl der noch fehlenden 10:16.020 --> 10:17.010 Neuronen beinhaltet. 10:17.010 --> 10:21.930 Deshalb haben wir hier die Warnung und die Neuronen der Telefonnummer, aber keine Sorgen. 10:21.960 --> 10:26.970 Jetzt werden wir eine Funktion erstellen, die die Anzahl der Neuronen in diesem riesigen Vektor zurückgibt, und wir werden 10:26.970 --> 10:30.210 diese Zahl in eine Variable schreiben, die eine Anzahl von Neuronen nennt. 10:30.270 --> 10:32.070 Machen wir das im nächsten Tutorial. 10:32.070 --> 10:33.130 Das ist unser nächster Schritt. 10:33.180 --> 10:34.790 Und bis dahin genießen Sie AI.