WEBVTT 00:00.150 --> 00:02.370 こんにちは､ このPythonチュートリアルへようこそ｡ 00:02.400 --> 00:06.150 さて､ このinit関数の5つの変数を定義する必要があります｡ 00:06.150 --> 00:09.420 それが､ 3つのコンボリューションと2つのフル・コネクションです｡ 00:09.510 --> 00:11.040 では､ まず1つ目から｡ 00:11.070 --> 00:15.960 コンボリューションは､ 入力画像にコンボリューションを適用するものである｡ 00:15.960 --> 00:17.970 それが原画なんですね｡ 00:17.970 --> 00:22.580 そして､ このコンボリューションを作ることで､ すべてがとてもシンプルになることがおわかりいただけると思います｡ 00:22.590 --> 00:29.010 さて､ 私たちがしなければならないことは､ 実際にある特定のクラスのオブジェクトを作ることです｡ このクラスはRNから取られ､ 00:29.010 --> 00:32.400 そしてクラスはできます｡ 00:33.000 --> 00:34.260 DHに｡ 00:34.380 --> 00:34.830 DHに｡ 00:34.830 --> 00:37.260 なぜなら､ 2つのDH画像を扱っているからです｡ 00:37.620 --> 00:40.670 そして今度は､ ご覧のように､ いくつかの引数を入力する必要があります｡ 00:40.680 --> 00:45.450 1つ目はチャンネルに入れましょう｡ 00:45.870 --> 00:48.810 2本目はチャンネルを外しました｡ 00:49.200 --> 00:56.910 3つ目はカーネルサイズ､ 残りは破壊してダイレーション群とバイアスを水増しする｡ 00:56.910 --> 00:59.040 そして､ これら全てにデフォルト値を設けています｡ 00:59.040 --> 01:00.450 だから､ 入力はしない｡ 01:00.450 --> 01:02.220 初期値のままにしておきます｡ 01:02.220 --> 01:07.560 しかし､ 重要なのは､ チャンネル､ オルトチャンネル､ コルサイズ､ この3つの引数です｡ 01:07.560 --> 01:09.660 ということで､ 何に対応しているかわかりますか？ 01:09.690 --> 01:17.670 簡単に言うと､ inチャンネルがコンボリューションの入力に､ altチャンネルがコンボリューションの出力に対応します｡ 01:17.670 --> 01:19.850 では､ チャンネルでは､ どうなっているのでしょうか？ 01:19.860 --> 01:24.330 まあ､ 簡単に言うと､ 画像のチャンネル数になりますね｡ 01:24.330 --> 01:31.230 また､ 基本的にモンスターを認識するために色は必要ないので､ 実際には白黒の画像で作業することになります｡ 01:31.260 --> 01:36.780 AIは白黒でもモンスターを認識する能力が全然あるので､ 色は必要ないんです｡ 01:36.780 --> 01:41.550 形状で認識されるだけなので､ 1チャンネルで使用します｡ 01:41.550 --> 01:46.650 つまり､ 1チャンネルは白黒画像のとき､ 3チャンネルはカラー画像のときです｡ 01:46.650 --> 01:51.720 したがって､ モノクロの画像を扱うので､ チャンネルは1に等しくなります｡ 01:52.580 --> 01:54.010 それから､ 私たちのチャンネル｡ 01:54.020 --> 02:02.750 つまり､ チャンネルは､ この畳み込み層の出力である畳み込み層に入れたい画像と同じになるわけです｡ 02:02.750 --> 02:08.960 これは､ 元画像から検出したい特徴の数と同じです｡ 検出したい特徴ごとに1枚の画像を作成するので､ 02:08.960 --> 02:14.870 基本的にどのように機能するかはご存知の通りです｡ 02:14.870 --> 02:23.000 入力画像に1つの特徴検出器を適用して､ 入力画像中の特定の特徴を検出するため､ 出力画像の数が少なくなるのです｡ 02:23.000 --> 02:25.970 ここには､ 検出したい特徴の数が書かれています｡ 02:26.210 --> 02:29.990 そこで今度は､ いくつの特徴を検出するかが問題になります｡ 02:30.020 --> 02:34.640 まあ､ 一般的には32個の特徴量検出器から始めるのが普通でしょう｡ 02:34.850 --> 02:41.240 そして､ この最初の畳み込み層で32枚の画像を処理することになるのです｡ 02:41.240 --> 02:45.710 つまり､ 入力は1枚の白黒画像､ 実画像なのです｡ 02:45.710 --> 02:51.200 そして､ 第1畳み込み層の出力は､ 32枚の処理済み画像である｡ 02:51.200 --> 02:59.510 処理とは､ もちろん､ 入力画像に畳み込みをかけ､ 検出された特徴を持つ32枚の新しい画像を得ることです｡ 02:59.960 --> 03:09.350 そして､ カーネルサイズを指定する必要がある｡ これは､ 元画像を貫く正方形の寸法にほかならない｡ 03:09.350 --> 03:20.720 そして､ 一般的には2×2､ 3×3､ 5×5のいずれかを使用しますが､ 最初の1つは5×5の特徴量検出器を使用することにします｡ 03:20.840 --> 03:24.410 それが､ 5×5次元になる特徴検出器です｡ 03:24.560 --> 03:28.910 そして､ 次の畳み込み層のために､ このカーネルのサイズを小さくするのです｡ 03:29.090 --> 03:32.150 といえば､ まさにこれからです｡ 03:32.150 --> 03:37.490 これをコピーして2つ目のコンボリューションを定義することになる｡ 03:37.790 --> 03:40.820 それゆえ､ 今ここでそれを基本としています｡ 03:40.820 --> 03:42.080 とても面白くて､ とても簡単です｡ 03:42.080 --> 03:43.280 ドミノ倒しのようなものです｡ 03:43.310 --> 03:49.700 第二畳み込み層の入力チャンネルは､ 第一畳み込み層の出力チャンネルである｡ 03:49.700 --> 03:55.250 つまり､ ここの出力数32は､ ここの入力数32と同じ数なのです｡ 03:55.250 --> 04:01.160 そして､ この2回目の畳み込みの入力畳み込み層に32枚の画像を入れているからです｡ 04:01.160 --> 04:10.280 そして､ この第2畳み込み層に第2畳み込みを適用して､ 第3畳み込み層を返す｡ 04:10.280 --> 04:15.860 で､ 今度は､ 同じように新しい画像をいくつ作るかということですが､ 32枚の画像を新たに作りましょう｡ 04:15.860 --> 04:19.760 32は､ 実は畳み込みニューラルネットワークでは非常によく使われる数字です｡ 04:19.760 --> 04:23.630 アーキテクチャを見ると､ 32が多く見受けられます｡ 04:23.780 --> 04:30.530 そして､ カーネル側では､ カーネルサイズ､ つまり､ 特徴検出器の寸法を小さくする必要があります｡ 04:30.530 --> 04:37.400 そして､ 今度は5つの目から4つの目､ あるいは3つの目になり､ さらに小さくなっていくわけです｡ 04:37.700 --> 04:38.090 わかりました｡ 04:38.090 --> 04:40.520 これで2回目の畳み込みは完了です｡ 04:40.580 --> 04:48.350 入力として､ 32枚の処理画像を受け取り､ それぞれが元の入力画像の最初の特徴を検出する｡ 04:48.350 --> 04:54.650 そして､ この特徴検出器の小型化により､ 32枚の画像を新たに作成することができます｡ 04:54.890 --> 04:57.140 そして､ 今度はこれをさらに推し進めましょう｡ 04:57.140 --> 05:05.120 そこで､ これをコピーしてここに貼り付け､ 3つ目のコンボリューションを作成して､ いくつかの特徴を検出することにします｡ 05:05.210 --> 05:07.940 これで､ 入力チャンネルは同じになりました｡ 05:07.940 --> 05:17.570 ここで､ 畳み込み接続の左側にある入力画像の数と､ その前の畳み込み接続の右側にあった処理画像の数である｡ 05:17.580 --> 05:18.620 それが32歳なんですね｡ 05:18.620 --> 05:19.970 だから､ 私たちは32をここに置いているのです｡ 05:19.970 --> 05:20.900 それは完璧だ｡ 05:20.900 --> 05:24.950 そして今度は､ やはり新しい画像を何枚検出するかということです｡ 05:25.040 --> 05:30.980 64枚の出力､ 処理された画像に対して､ 今64枚をそこに取り込もうとしているのです｡ 05:30.980 --> 05:36.170 もちろん､ 今度はカーネルサイズを小さくして､ 2つ取るんです｡ 05:36.560 --> 05:45.620 これは畳み込み層の非常に古典的なアーキテクチャで､ 画像内の特徴を高度に検出するのに非常に効率的です｡ 05:46.070 --> 05:46.550 わかりました｡ 05:46.550 --> 05:57.350 3つの畳み込み層ができたので､ 3つの畳み込み接続のおかげで､ 今度は私が思い出させた2つの完全な接続を得る時が来ました｡ 05:57.350 --> 06:04.430 64回をすべて平らにして得たこの巨大なベクトルを､ 32回×32回にする｡ 06:04.430 --> 06:07.910 繰り返しになりますが､ これらの畳み掛けから得たイメージです｡ 06:07.910 --> 06:16.580 そこで､ これらの画像のすべてのピクセルを平坦化し､ 新しい完全連結ニューラルネットワークの入力となる1つの巨大なベクトルを作成したのです｡ 06:16.580 --> 06:21.800 そこで､ まずこの巨大なベクトルと隠れ層の間を完全に接続し､ 次に隠れ層と､ 06:21.800 --> 06:31.580 それぞれが可能な行動のq値に対応する出力ニューロンからなる出力層の間を完全に接続する必要があるのです｡ 06:31.700 --> 06:33.830 そこで､ この2つを完全に結びつけてしまおうというわけです｡ 06:33.830 --> 06:35.060 その方法を知っているんですね｡ 06:35.060 --> 06:37.400 それこそ､ 自動運転車のためにやったようなものです｡ 06:37.400 --> 06:38.720 では､ もう1度やってみましょう｡ 06:38.720 --> 06:48.830 まず､ RNモジュール､ そしてリニアクラスです｡ 06:49.040 --> 06:52.100 そして､ （ ）内は､ まあ､ 同じ最初なんですけどね｡ 06:52.240 --> 06:58.210 入力特徴量､ つまりその数を入力し､ 次に出力特徴量を入力する｡ 06:58.630 --> 07:03.060 それで､ 最初のフル接続のための入力機能､ それは何になるのでしょうか？ 07:03.070 --> 07:09.610 これは､ 3つの畳み込み処理後の画像をすべて平坦化した後に得られるこの巨大なベクトルと､ 07:09.610 --> 07:13.420 存在するピクセル数に等しくなるんだ｡ 07:13.540 --> 07:14.970 それで､ この数字は何なのでしょうか？ 07:14.980 --> 07:17.170 実は､ ここにトリックがあるんです｡ 07:17.220 --> 07:19.390 この数字､ 実は難しいんです｡ 07:19.420 --> 07:22.690 実際には､ その数値を計算するための関数を作る必要があります｡ 07:22.690 --> 07:25.510 この数字を出すための変数がないんです｡ 07:25.510 --> 07:26.680 計算する必要があるのです｡ 07:26.680 --> 07:33.910 それゆえ､ これから何をするか､ 今､ 私たちが持たなければならないプログラミングの心構えを理解することが非常に重要です｡ 07:33.910 --> 07:40.900 この障害を克服するためには､ 今､ 何を考えなければならないかというマインドセットに持ち込もうとしているのです｡ 07:40.900 --> 07:46.450 というのも､ 最初に､ 「あれ､ フラット化したベクトルにこの数のニューロンがないんだけど､ どうしたらいい？ 07:46.450 --> 07:47.500 抜け出せないでいる｡ 07:47.500 --> 07:56.140 いやいや､ 実は今できることは､ このニューロン数を表す名前をここに入力するだけなんです｡ 07:56.140 --> 07:58.180 だから､ ニューロンの数ということにしています｡ 07:58.180 --> 07:59.320 ニューロンの数 07:59.320 --> 08:07.030 そして､ このニューロン数という変数に､ 探しているピクセル数を返す関数を作るだけです｡ 08:07.120 --> 08:08.800 だから､ 全然できるんですよ｡ 08:08.800 --> 08:10.540 この変数を完全に入れることができます｡ 08:10.540 --> 08:15.970 まあ､ もちろんまだ存在しないので警告は出ますが､ その後に関数で作るので､ 08:15.970 --> 08:20.920 関数が後から来ても全然OKです｡ 08:20.920 --> 08:25.780 だから､ そういう障害が出たときに､ 典型的なプログラミングの考え方をしなければならないのです｡ 08:25.780 --> 08:28.840 まあ､ 足りないものを関数で作ればいいんだけどね｡ 08:29.560 --> 08:29.980 わかりました｡ 08:29.980 --> 08:37.720 そして､ アウトフィーチャーとアウトフィーチャー､ これは隠れ層のニューロンの数で､ 今回はあなた次第ということです｡ 08:37.720 --> 08:40.960 それは､ 作りたいニューラルネットワークのアーキテクチャに依存します｡ 08:40.960 --> 08:44.050 そうすると､ 良い数字から小さい数字へと順番に変わっていきます｡ 08:44.050 --> 08:46.900 ですから､ 例えば40ニューロンでもいいかもしれません｡ 08:46.900 --> 08:48.610 増やすようにすればいいのです｡ 08:48.610 --> 08:51.100 トレーニングのスピードが遅くないのであれば､ 増やしてみるのもよいでしょう｡ 08:51.100 --> 08:53.560 そうすれば､ 予測も改善されるかもしれません｡ 08:53.560 --> 08:54.760 でも､ まずは40から｡ 08:54.760 --> 08:56.530 その後に増やしていくかもしれませんね｡ 08:56.950 --> 08:57.280 わかりました｡ 08:57.280 --> 08:59.800 というわけで､ 最初のフル接続はこれで終了です｡ 08:59.800 --> 09:05.290 そして､ このページを下にコピーして､ 2回目の完全接続を行います｡ 09:05.290 --> 09:09.040 それが､ 隠れ層と出力層の接続です｡ 09:09.040 --> 09:15.610 そして､ この内側の特徴が前のレイヤーの外側の特徴になり､ それが40になるわけです｡ 09:15.610 --> 09:17.830 そこで､ ここに40を入れた｡ 09:18.010 --> 09:27.070 もちろん､ 隠れ層のニューロンの数は､ ニューラルネットワークの出力ニューロンの数と同じになります｡ 09:27.070 --> 09:32.950 そして､ 各出力ニューロンが1つのキー値に対応し､ 1つのキー値が1つのアクションに対応するので､ まあ､ 09:32.950 --> 09:36.730 ここでの出力ニューロンの数は､ もちろん､ アクションの数である｡ 09:36.730 --> 09:39.820 そして､ そのための変数が1つあり､ それがナンバーアクションです｡ 09:39.820 --> 09:42.970 そのため､ ここでは数字を入力しています｡ 09:43.880 --> 09:44.750 行動する｡ 09:44.840 --> 09:45.950 そして､ そこに行く｡ 09:45.980 --> 09:47.160 おめでとうございます｡ 09:47.180 --> 09:50.540 私たちはニューラルネットワークのアーキテクチャを定義しました｡ 09:50.750 --> 09:55.880 私たちのニューラルネットワークは､ 3つの畳み込み層と1つの隠れ層で構成されています｡ 09:55.910 --> 09:59.030 全部､ 大きなCNNとこれとで｡ 09:59.030 --> 10:04.490 CNNは､ AIが何をしなければならないか､ どこに行かなければならないか､ どこにシュートを打たなければならないかを知るために､ 10:04.490 --> 10:06.380 ゲーム内の特徴を検出します｡ 10:06.650 --> 10:08.180 そこで､ このステップに入ります｡ 10:08.180 --> 10:10.430 それが､ 最初に行われる非常に重要なステップです｡ 10:10.460 --> 10:16.820 さて､ 次のステップに進みますが､ それはもちろん､ このまだ足りないニューロンの数を求めることです｡ 10:16.820 --> 10:18.710 実は､ そのためにここで警告を発しているのです｡ 10:18.710 --> 10:21.720 ニューロン数未定義名ですが､ 心配ありません｡ 10:21.740 --> 10:26.720 では､ この巨大なベクトルに含まれるニューロンの数を返す関数を作り､ その数をnumber 10:26.720 --> 10:30.030 neuronsと呼ぶ変数に入れることにしましょう｡ 10:30.050 --> 10:31.940 では､ 次のチュートリアルでこれをやってみましょう｡ 10:31.940 --> 10:33.020 それが､ 私たちの次のステップです｡ 10:33.020 --> 10:34.280 そしてそれまで､ お楽しみに｡ 10:34.280 --> 10:34.640 I.