WEBVTT 00:00.530 --> 00:02.950 Cześć i witamy w tutorialu Python. 00:02.990 --> 00:08.520 Teraz kolejnym krokiem jest sprawienie, aby funkcja zliczania neuronów zapewniła nam to, czego chcemy. 00:08.540 --> 00:14.130 To jest liczba neuronów w tym ogromnym wektorze po zastosowaniu zwojów. 00:14.300 --> 00:19.640 To jedyne brakujące informacje, których teraz potrzebujemy, a my otrzymamy je z funkcją. 00:19.700 --> 00:23.930 Zróbmy więc tę funkcję, którą będziemy nazywać liczeniem. 00:24.280 --> 00:27.570 A te neurony rdzeniowe bardzo prosto. 00:27.830 --> 00:32.220 I jaka jest funkcja zliczania neuronów jako argumentów. 00:32.510 --> 00:39.450 Cóż, zabierze obiekt sam, ale wtedy zajmie coś innego, ponieważ ta liczba neuronów wyjściowych 00:39.450 --> 00:44.540 w warstwie spłaszczającej faktycznie zależy tylko od jednej rzeczy. 00:44.660 --> 00:50.840 To zależy od dominacji oryginalnego obrazu wejściowego, który pojawia się na samym początku 00:50.840 --> 00:51.930 sieci neuronowej. 00:52.160 --> 00:58.370 A więc jedynym argumentem, który potrzebujemy teraz, jest fakt, że czas wspomina o taktowaniu obrazów wejściowych. 00:58.370 --> 01:03.410 Dlatego podajmy nazwę tego argumentu reprezentującego diament i obraz wejściowy. 01:03.520 --> 01:06.790 I nazwiemy to zdjęciem. 01:07.220 --> 01:07.690 W porządku. 01:07.850 --> 01:14.720 Mogę wam teraz powiedzieć, że rzeczywiste wymiary wejściowych obrazów pochodzących z Dume wynoszą 01:14.720 --> 01:16.850 80 na 80. 01:16.850 --> 01:23.330 Zamierzamy zmniejszyć rozmiar oryginalnych obrazów do 80 na 80 i będzie to format 01:23.390 --> 01:26.270 obrazów przesyłanych do sieci neuronowej. 01:26.270 --> 01:32.300 Więc ich obraz będzie faktycznie jednym 80 80, a ten odpowiada temu, że pracujemy 01:32.300 --> 01:33.750 z czarno-białymi obrazami. 01:33.830 --> 01:41.040 To jest tylko z jednym kanałem, więc ich zdjęcie będzie skorelowane z całkowitą liczbą osiemdziesięciu i osiemdziesięciu. 01:41.280 --> 01:41.560 W porządku. 01:41.560 --> 01:43.590 To jedyny argument, którego potrzebujemy. 01:43.660 --> 01:45.670 A teraz zeskanujmy neurony. 01:45.850 --> 01:47.280 Jak zamierzasz to zrobić? 01:47.500 --> 01:51.110 Po pierwsze właściwie nie mamy żadnego obrazu wejściowego. 01:51.250 --> 01:54.070 Nie mamy żadnego obrazu zagłady, który moglibyśmy zaimportować. 01:54.070 --> 01:55.330 Zrobimy to później. 01:55.540 --> 02:01.240 Pierwszą rzeczą, którą musimy zrobić, jest stworzenie fałszywego obrazu, ale zrobiliśmy introny 80 na 80. 02:01.240 --> 02:06.160 Zamierzamy stworzyć ten fałszywy obraz z fałszywymi pikselami, a to da nam 02:06.160 --> 02:12.280 ostatecznie żądaną liczbę, ponieważ liczba ta zależy tylko od wymiarów, a nie od pikseli znajdujących się 02:12.280 --> 02:13.320 wewnątrz obrazów. 02:13.330 --> 02:15.640 To po prostu tworzy fałszywy obraz, aby rozpocząć. 02:15.730 --> 02:18.520 Następnie obliczymy liczbę neuronów, które chcemy. 02:18.520 --> 02:23.860 Więc sztuczka polegająca na stworzeniu fałszywego obrazu jest dobrze nazwana x. 02:23.890 --> 02:30.700 Przede wszystkim zamierzaliśmy użyć latarki Rand, ponieważ wiesz, że będziemy umieszczać losowe piksele w tych 02:30.700 --> 02:37.200 obrazach, z których korzystamy z losowych funkcji z torche, które jest funkcją rand. 02:37.250 --> 02:42.740 Następnie w środku będziemy wprowadzać, jak widać potępienia obrazów. 02:42.850 --> 02:44.400 To jest jeden 80 80. 02:44.560 --> 02:50.500 Ale ponieważ zamierzamy umieścić ten obraz w sieci neuronowej i jak pamiętacie, sieć neuronowa może 02:50.500 --> 02:55.170 przyjmować tylko partie stanów wejściowych, które są tutaj partiami obrazów wejściowych. 02:55.370 --> 03:00.600 Zamierzamy stworzyć fałszywe diamenty, w których możemy bezpośrednio wykonać tę funkcję. 03:00.670 --> 03:05.720 W rzeczywistości zaczynamy od tego, który będzie odpowiadał partii, a 03:05.730 --> 03:11.070 następnie możemy po prostu wstawić wszystkie 188 odpowiadające dominacjom obrazu wejściowego. 03:11.110 --> 03:16.980 I jak zrozumieliście, te nominacje są zawarte w tym obrazie ich argumentem, który reprezentuje 03:16.980 --> 03:19.330 tę tabelę 1 80 80. 03:19.420 --> 03:23.290 Musimy więc tylko dodać im obraz. 03:23.620 --> 03:29.410 Ale aby przekazać elementy stołu, ponieważ wiesz teraz, że ich obraz jest 03:29.410 --> 03:31.940 podwójny jako lista argumentów funkcji. 03:32.020 --> 03:39.460 Musimy tu dodać, zanim pojawi się ich obraz, zanim sklep Apple pozwoli sklepowi przekazać elementy 03:39.550 --> 03:44.100 obrazu do Apple jako listę argumentów dla funkcji. 03:44.170 --> 03:49.600 I jak widać, dokładnie to jest określone tutaj ze sklepem i diamentem. 03:49.930 --> 03:56.640 W porządku, aby stworzyć obraz fałszywych pikseli, które nie będą miały nic wspólnego z obrazami. 03:56.800 --> 04:01.720 Ale znowu będziemy w stanie uzyskać ostatnią liczbę neuronów, a 04:01.720 --> 04:11.080 teraz ostatnią rzeczą, którą powinniśmy zrobić, to przekonwertować ten wektor wejściowy na zmienną pochodni, ponieważ będzie to miało miejsce 04:11.380 --> 04:13.060 w sieci neuronowej. 04:13.060 --> 04:13.380 W porządku. 04:13.390 --> 04:20.650 To teraz reprezentuje obraz wejściowy losowych pikseli, który właśnie został przekształcony w realną i która teraz przejdzie 04:20.650 --> 04:22.440 do sieci neuronowej. 04:22.570 --> 04:28.330 A dokładniej warstwy splotowe sieci neuronowej, ponieważ ponieważ potrzebujemy tylko 04:28.330 --> 04:34.100 liczby neuronów po zastosowaniu zwojów, po prostu podejdziemy do zwojów 3. 04:34.210 --> 04:36.440 Aż do trzeciej warstwy splotowej. 04:36.580 --> 04:39.630 I nie wejdziemy tutaj w dwa pełne połączenia. 04:39.850 --> 04:45.490 A to dlatego, że liczba neuronów, które chcemy, jest pomiędzy splotem 3 a f. c 1. 04:45.520 --> 04:52.120 W porządku, więc teraz, gdy mamy jeden obraz wejściowy z odpowiednimi wskazówkami, czas na propagowanie tego 04:52.180 --> 04:58.330 obrazu do sieci neuronowej, aby dotrzeć do warstwy spłaszczającej, a następnie dostaniemy neurony w 04:58.330 --> 05:03.850 spłaszczonej warstwie, a otrzymamy informacje, których potrzebujemy, to liczba neuronów w tej spłaszczonej 05:03.850 --> 05:04.750 warstwie. 05:04.990 --> 05:08.950 Teraz musimy zrobić dokładnie to, co robimy w funkcji forward. 05:08.950 --> 05:14.560 Musimy propagować sygnały do sieci neuronowej, ale tylko w warstwach splotowych, aż dotrzemy 05:14.560 --> 05:16.120 do warstwy powodziowej. 05:16.330 --> 05:17.360 Zróbmy to. 05:17.360 --> 05:25.660 Zamierzamy zaktualizować x teraz x jest obrazem wejściowym, a przy drugim X tutaj X stanie się dobrze pierwszą 05:25.660 --> 05:27.050 warstwą splotu. 05:27.310 --> 05:32.930 A teraz, co musimy zrobić, to te trzy kroki, które są pierwszym krokiem do zastosowania dekonwolucji do 05:32.950 --> 05:33.790 obrazów wejściowych. 05:33.850 --> 05:40.960 Następnie w drugim etapie stosujemy przycinanie miksów do zawiłych obrazów i wstawiamy, że aktywujemy neurony 05:40.960 --> 05:48.160 w tym pokręconym, zawiłym obrazie, a x stanie się tym pierwszym splotem, z którego składają się 05:48.160 --> 05:50.590 wszystkie te spęczniałe Energis. 05:51.010 --> 05:56.840 Zróbmy więc pierwszy krok, stosując pierwszy splot splotu do obrazów wejściowych. 05:57.040 --> 06:07.540 Więc to, co robimy, polega na tym, że używamy splotu jako "self", który łączymy z Lucianem, który używamy, i stosujemy go do naszych obrazów wejściowych, 06:07.550 --> 06:11.360 które do tej pory są reprezentowane przez x. 06:11.500 --> 06:14.290 To pierwszy raz pierwszy. 06:14.320 --> 06:22.630 Drugi krok zamierzamy zastosować do buforowania naszych zawiłych obrazów zwróconych przez splot, gdy X i dwa momenty 06:22.640 --> 06:26.880 kulminacyjne Cóż, zamierzamy przyjąć funkcję z modułu funkcjonalnego. 06:26.920 --> 06:34.610 Więc robimy skrót, a potem użyjemy funkcji Max pool do D. 06:34.810 --> 06:42.340 To jest to, w którym umieściliśmy splot własny jeden X w nawiasie maksymalnego przyciągania, ponieważ gramy 06:42.360 --> 06:45.220 dalej wciągamy w zawiłe obrazy. 06:45.750 --> 06:53.140 Ale ta następna funkcja pobiera dodatkowe argumenty, które są po pierwsze wielkością jądra. 06:53.190 --> 06:59.190 Więc znowu jest to rozmiar okna przesuwającego się po twoich obrazach, który zajmie maksimum pikseli 06:59.190 --> 07:00.710 w każdym slajdzie. 07:00.830 --> 07:06.750 Tak więc nadal będzie wykrywać te funkcje, ponieważ funkcje są powiązane z wysoką wartością pikseli 07:06.840 --> 07:07.750 w tablicach. 07:07.890 --> 07:09.580 Jak mówisz, wykłady intuicyjne. 07:09.780 --> 07:14.020 Zatem ta pierwsza udokumentowana ludzka potrzeba wprowadzenia to rozmiar jądra. 07:14.100 --> 07:15.560 I weźmiemy trzy. 07:15.660 --> 07:17.650 To powszechny wybór dla rozmiaru jądra. 07:17.940 --> 07:25.200 A potem musimy powiedzieć o krokach, ile pikseli będzie się przesuwać w obrazach. 07:25.200 --> 07:27.560 I zamierzamy zrobić krok dwóch. 07:27.610 --> 07:29.400 Znowu to powszechny wybór. 07:29.820 --> 07:30.670 Więc idziemy. 07:30.690 --> 07:32.530 Teraz robi się drugi krok. 07:32.620 --> 07:38.910 A teraz przejdźmy do trzeciego kroku, który polega na aktywowaniu wszystkich neuronów w tej puli i zawiłych 07:38.910 --> 07:39.580 obrazach. 07:39.610 --> 07:46.090 I ta pierwsza warstwa splotu i aby to zrobić ponownie, zastosujemy do tego funkcję. 07:46.170 --> 07:51.960 I tak tutaj i biorąc ponownie, ponieważ mamy zamiar podjąć inną funkcję, która, jak można 07:52.050 --> 07:55.170 się domyślić, będzie funkcją aktywującą, ale która. 07:55.230 --> 08:01.410 Jak zwykle będzie to poprawiona funkcja aktywacji i być może pamiętasz nazwę 08:01.620 --> 08:02.330 naprawdę. 08:02.790 --> 08:03.410 No to jedziemy. 08:03.450 --> 08:04.290 To ten. 08:04.290 --> 08:12.540 I tak naprawdę stosujemy się do naszych połączonych zawiłych obrazów, to wszystko. 08:12.540 --> 08:12.940 W porządku. 08:12.990 --> 08:14.270 I to wszystko. 08:14.370 --> 08:15.320 Wykonano trzy kroki. 08:15.330 --> 08:16.370 To było bardzo szybkie. 08:16.500 --> 08:23.460 Pamiętajmy więc, że musimy na to spojrzeć, najpierw używamy splotu do naszych obrazów wejściowych, a następnie 08:23.460 --> 08:28.830 stosujemy ciągnięcie Maxa do naszych zawiłych obrazów uzyskanych za pomocą splotu. 08:28.950 --> 08:35.730 A następnie aktywujemy neurony w całej tej splotowej warstwie basenowej za pomocą funkcji 08:35.730 --> 08:43.960 aktywacji prostownika, tak perfekcyjnie otrzymujemy naszą pierwszą warstwę splotową, na której nastąpiło kulminacja i w której 08:44.050 --> 08:46.200 neurony są teraz aktywowane. 08:46.260 --> 08:51.640 I tak właściwie to, co robi, to propaguje sygnały z pierwszej warstwy splotowej 08:51.640 --> 08:52.500 do następnej. 08:52.630 --> 08:56.580 A mówiąc o następnym, właśnie to zajmiemy się teraz. 08:56.570 --> 09:01.660 Zrobimy to samo, co właśnie zrobiliśmy na pierwszym splotu tam z 09:01.660 --> 09:08.170 drugą warstwą splotową, aby ponownie rozprzestrzenić sygnały dalej w sieci neuronowej poprzez aktywację neuronów 09:08.170 --> 09:09.660 drugiej warstwy splotowej. 09:09.850 --> 09:12.910 Ale zanim to zrobimy, musimy zdobyć tę splotową warstwę. 09:13.120 --> 09:18.330 I tak zastosujemy splot do X, który jest teraz pierwszą warstwą splotu. 09:18.460 --> 09:24.070 Cóż, zamierzamy zastosować splot na 2 x, aby uzyskać drugą warstwę splotową, po której Max będzie 09:24.070 --> 09:25.120 ją ciągnąć. 09:25.240 --> 09:27.860 A potem w końcu aktywując Sirata. 09:27.970 --> 09:29.070 Zróbmy to. 09:29.170 --> 09:35.350 W rzeczywistości bardzo łatwo jest to skopiować i wkleić poniżej. 09:35.350 --> 09:39.240 Teraz oczywiście musimy również zastąpić splot za pomocą splotu. 09:39.520 --> 09:40.460 I oto idziemy. 09:40.480 --> 09:43.650 To naprawdę gotowe, widzisz bardzo łatwe. 09:43.900 --> 09:50.200 A teraz tą linią propagujemy sygnały z drugiego splotu tam na następny, który 09:50.260 --> 09:52.580 będzie tam trzecim splotem. 09:52.720 --> 09:57.220 I aby uzyskać tę trzecią, sprowokowaną wolę, trzeba będzie ją ponownie zastosować. 09:57.220 --> 10:04.630 Więc kopiuję to wklejanie poniżej i zastępuję splot za pomocą splotu 3 i to nie jest 10:04.870 --> 10:06.340 tak praktyczne. 10:06.340 --> 10:11.490 Propagujemy sygnały w trzech splotowych literach w świetle latarki. 10:11.500 --> 10:13.100 Dzięki tej niesamowitej strukturze. 10:14.020 --> 10:15.340 W porządku, więc idealnie. 10:15.340 --> 10:21.250 Teraz nasze sygnały propagują się do trzeciej warstwy splotowej i później. 10:21.360 --> 10:24.780 A mówienie o tym później prowadzi nas do tego, czego szukamy. 10:24.820 --> 10:28.510 To, co nas interesuje, to spłaszczenie tam. 10:28.510 --> 10:33.620 W porządku, więc teraz, kiedy mamy tu trzeci splot, to jest ostatnie X tutaj. 10:33.790 --> 10:36.120 Nadszedł czas, aby nasze spłaszczenia się. 10:36.490 --> 10:37.990 I właśnie to zamierzamy zrobić. 10:37.990 --> 10:44.200 Teraz zamierzamy spłaszczyć wszystkie piksele tej trzeciej splotowej warstwy, że zamierzamy pobrać 10:44.290 --> 10:48.430 wszystkie piksele ze wszystkich kanałów trzeciej splotowej warstwy. 10:48.640 --> 10:51.920 Zamierzamy je umieścić jeden po drugim w wielkim wektorze. 10:52.150 --> 10:56.920 I oczywiście ten wielki wektor będzie niczym innym jak warstwą 10:56.920 --> 11:02.000 spłaszczającą, a jednocześnie użyjemy sztuczki, aby uzyskać liczbę neuronów w tym spłaszczeniu. 11:02.070 --> 11:03.790 Tego właśnie szukamy. 11:03.790 --> 11:09.370 To liczba neuronów, których nam brakuje i dlatego zwracajmy bezpośrednio to, czego oczekujemy, a 11:09.370 --> 11:15.130 w tym powrocie spłaszczemy trzecią warstwę splotową i otrzymamy taką samą liczbę neuronów w tej 11:15.130 --> 11:16.330 spłaszczonej warstwie. 11:16.630 --> 11:20.150 Więc weźmiemy X. który jest naszym trzecim splotem. 11:20.320 --> 11:25.150 Przejmiemy wszystkie kanały trzeciego splotu i użyjemy funkcji, która 11:25.150 --> 11:32.160 jest funkcją wielkości, aby spłaszczyć wszystkie piksele ze wszystkich kanałów w jednym wielkim wektorze. 11:32.230 --> 11:35.930 A więc sztuczka, którą możesz znaleźć w pumie, obejrzyj trud. 11:36.130 --> 11:42.400 Najpierw przyjmujemy dane X, ponieważ X jest specjalną strukturą, wiesz, że jest wodzem latarki, więc 11:42.400 --> 11:44.250 ma dość złożoną strukturę. 11:44.320 --> 11:51.920 Ale najpierw musimy uzyskać do niego dostęp za pomocą danych, a następnie musimy zobaczyć, co jest w środku. 11:52.090 --> 11:57.700 Używamy tej funkcji widoku i teraz musimy uzyskać dostęp do tego, czego szukamy, 11:57.700 --> 12:01.980 i to nawet z argumentami 1 i minus 1. 12:02.230 --> 12:04.390 Musisz zrozumieć, co jest w strukturze. 12:04.510 --> 12:10.060 Ale możesz po prostu zrozumieć, że w ten sposób otrzymamy tę liczbę neuronów, a 12:10.150 --> 12:15.560 następnie, aby zakończyć, musimy dodać rozmiar w nawiasach i wejściach wewnętrznych 1. 12:15.880 --> 12:21.610 Więc w zasadzie to, co robimy tutaj, robimy, to bierzemy wszystkie piksele ze wszystkich kanałów i umieszczamy 12:21.610 --> 12:27.180 je jeden po drugim w tym ogromnym wektorze, który będzie wejściem do w pełni połączonej sieci. 12:27.190 --> 12:29.250 Zasadniczo to rozmiar. 12:29.410 --> 12:34.060 I dzięki temu możemy uzyskać taką liczbę nowych, których szukamy. 12:34.060 --> 12:36.460 W porządku, więc teraz dostajemy to, czego chcemy. 12:36.490 --> 12:44.350 I tak w końcu możemy zastąpić neurony liczbowe tym, co jest zwracane przez tę funkcję, gdy 12:44.530 --> 12:47.400 jest stosowane do formatu obrazów. 12:47.440 --> 12:50.140 To jest o 80 na 80. 12:50.170 --> 13:00.040 Musimy teraz zastąpić neurony liczbowe, przyjmując funkcję zliczania neuronów, którą stosujemy 13:00.250 --> 13:09.040 do formatu obrazów, które będą całkowitymi 80 i 80. 13:09.460 --> 13:10.400 I oto idziemy. 13:10.510 --> 13:17.140 I oczywiście nie zapominamy o sobie, ponieważ Count neuron jest w rzeczywistości metodą testu CNN. 13:17.170 --> 13:18.490 Więc musimy dodać. 13:18.700 --> 13:21.190 A teraz ostrzeżenie powinno zniknąć. 13:21.190 --> 13:22.540 I oto idziemy. 13:22.540 --> 13:23.890 Teraz wszystko jest dobrze. 13:23.980 --> 13:29.930 Otrzymujemy architekturę sieci neuronowej, w której nic nie brakuje i mamy tę funkcję liczników, 13:30.140 --> 13:35.290 jeśli wiesz, że chcesz wypróbować inne architektury i nie chcesz ręcznie liczyć 13:35.290 --> 13:36.210 liczby neuronów. 13:36.340 --> 13:39.940 Po prostu używaj tej funkcji, którą odtwarzasz, do formatu twoich obrazów. 13:40.180 --> 13:42.130 A to dostarczy ci bezpośrednio tego, czego chcesz. 13:42.130 --> 13:45.810 Jest to liczba neuronów w warstwie powodziowej bez konieczności wykonywania jakichkolwiek czynności. 13:45.820 --> 13:49.450 I wszędzie, gdzie architektura jest krytyczna. 13:49.480 --> 13:57.040 A teraz kończymy pierwszy ważny krok tego mózgu, który robimy i mamy ostatni 13:57.040 --> 13:57.720 krok. 13:57.790 --> 14:02.500 Jest to ostatnia funkcja, która ma być główną funkcją naprzód. 14:02.590 --> 14:07.730 Więc będziemy propagować sygnały od początku mózgu, które jest od oczu 14:07.730 --> 14:12.160 do warstwy wyjściowej, która jest po drugim połączeniu. 14:12.460 --> 14:15.850 Zrobimy to w ciągu następnych dwóch zajęć i do tego czasu nasza sztuczna inteligencja.