WEBVTT

00:00.270 --> 00:04.380
أهلا ومرحبا بكم في الخطوة الأخيرة من عمليتنا لجعل الدماغ.

00:04.380 --> 00:06.300
لدينا وظيفة واحدة يجب تركها.

00:06.300 --> 00:12.300
هذه هي الوظيفة الأمامية التي ستنشر الإشارات في جميع طبقات الشبكة العصبية ، بما في ذلك الطبقات

00:12.300 --> 00:16.080
التلافيفية الثلاث والطبقة المتصلة بالكامل.

00:16.080 --> 00:21.630
وبالتالي فإن هذه الوظيفة هي الوظيفة الأمامية تمامًا مثل وظيفة السيارة ذاتية القيادة ، باستثناء

00:21.630 --> 00:27.360
هذه المرة علينا نشر الإشارات في الطبقات التلافيفية قبل الطبقة المتصلة بالكامل.

00:27.360 --> 00:32.910
والخبر السار هو أننا فعلنا ذلك بالفعل في الخطوة السابقة مع وظيفة العد الخلايا العصبية

00:32.910 --> 00:37.110
، لذلك لدينا بالفعل الكود لنشر الإشارة في الطبقات التلافيفية.

00:37.110 --> 00:38.790
ولذا سيكون هذا سريعًا جدًا.

00:38.790 --> 00:43.890
سنقوم فقط بدمج ما فعلناه هنا وما فعلناه للسيارة ذاتية القيادة ، وسنحصل على وظيفتنا

00:43.890 --> 00:45.360
الأمامية لعقلنا.

00:45.540 --> 00:46.680
لذلك دعونا نفعل هذا.

00:46.680 --> 00:54.810
نقدم هنا وظيفة جديدة ، الوظيفة الأخيرة للدماغ ، وهذه الوظيفة هي الوظيفة الأمامية

00:54.900 --> 01:03.840
التي تأخذ الحجة تمامًا مثل ما قبل self للإشارة إلى الكائن و x التي ستكون أولاً صور الإدخال

01:03.840 --> 01:10.110
ثم سيتم تحديث X حيث تنتشر الإشارة في الشبكة العصبية.

01:10.440 --> 01:14.100
حسنًا ، حسنًا ، كولن ثم دعنا ننتقل إلى داخل الدالة.

01:14.100 --> 01:20.340
كما قلت للتو ، لقد صنعنا بالفعل الكود لنشر الإشارات في الطبقات التلافيفية الثلاث.

01:20.340 --> 01:23.370
هذا هو بالضبط هذه الأسطر الثلاثة من التعليمات البرمجية.

01:23.370 --> 01:28.920
لذلك أقوم بنسخها ولصقها هنا وهناك نذهب.

01:28.920 --> 01:35.580
لدينا بالفعل انتشارنا للإشارة في الطبقات التلافيفية الثلاث ، ولذا نحتاج الآن فقط إلى

01:35.580 --> 01:41.520
نشر الإشارة من الطبقات التلافيفية إلى الطبقة المخفية ثم في النهاية إلى الطبقة

01:41.520 --> 01:45.120
المخرجة الموجودة في نهاية الشبكة العصبية.

01:45.120 --> 01:50.880
وللقيام بذلك ، نحتاج أولاً إلى تسطيح الطبقة التلافيفية الثالثة التي حصلنا عليها هنا.

01:50.880 --> 01:58.260
تذكر أن X في البداية هي صورة الإدخال ، ثم هنا تصبح X الطبقة التلافيفية الأولى ، ثم هنا تصبح X الطبقة

01:58.260 --> 02:03.720
التلافيفية الثانية ، ثم هنا تصبح X الطبقة التلافيفية الثالثة.

02:03.720 --> 02:07.620
إذن ، في هذه المرحلة ، x هي الطبقة التلافيفية الثالثة.

02:07.620 --> 02:14.010
والآن للحصول على طبقة التسطيح ، نحتاج إلى تسطيح هذه الطبقة التلافيفية الثالثة x.

02:14.010 --> 02:18.090
وللقيام بذلك ، سنفعل شيئًا مشابهًا تمامًا كما فعلنا هنا.

02:18.090 --> 02:20.730
هذه المرة فقط لا نحتاج إلى عدد الخلايا العصبية.

02:20.730 --> 02:24.870
نحتاج ببساطة إلى تسطيح القنوات في الطبقة التلافيفية الثالثة.

02:24.870 --> 02:27.990
لذلك سيكون هذا أكثر بساطة ولكنه متشابه للغاية.

02:28.140 --> 02:35.400
وللقيام بذلك بشكل جيد ، سنأخذ X مرة أخرى لأن X ستصبح طبقة التسطيح.

02:35.640 --> 02:38.610
لذلك نحن نقوم بتحديث x فقط ، لذا x يساوي.

02:38.610 --> 02:40.350
ثم نأخذ x مرة أخرى.

02:40.350 --> 02:44.340
لكن هذا x هو x القديم الذي يمثل الطبقة التلافيفية الثالثة.

02:44.340 --> 02:51.180
إذن نأخذ الطبقة التلافيفية الثالثة ، ثم النقطة ، ثم نأخذ وظيفة العرض التي نطبق عليها

02:51.210 --> 02:52.290
وسيطين.

02:52.290 --> 02:55.590
الأول هو x نقطة بحجم صفر.

02:55.860 --> 03:01.740
مرة أخرى ، نأخذ دالة الحجم لأخذ جميع وحدات البكسل لجميع القنوات في الطبقة التلافيفية الثالثة

03:01.740 --> 03:03.900
، ونضعها واحدة تلو الأخرى.

03:03.900 --> 03:09.810
وهذا المتجه الضخم الذي سيصبح X هنا وهذا x سيصبح بعد ذلك مدخلات الشبكة المتصلة

03:09.810 --> 03:11.190
بالكامل.

03:11.190 --> 03:15.960
لكن هذا ليس كل ما نحتاج إلى إضافته هنا ، فاصلة وناقص واحد.

03:15.960 --> 03:19.140
حتى تتمكن من العثور على هذه الحيلة في دروس PyTorch.

03:19.140 --> 03:24.990
هذه هي الطريقة التي يمكنك بها تسطيح طبقة تلافيفية مكونة من عدة قنوات باستخدام وظيفة الحجم.

03:24.990 --> 03:29.790
وبالطبع ، إذا كنت تريد مزيدًا من التفاصيل حول كيفية عمل ذلك ، فيمكنك الانتقال إلى دروس pytorch.

03:29.790 --> 03:31.200
سأقدم الرابط.

03:31.560 --> 03:36.870
والآن بعد أن حصلنا على طبقة التسطيح الخاصة بنا ، ستصبح هذه الطبقة

03:36.870 --> 03:43.590
المسطحة مدخلاً لشبكة كلاسيكية متصلة بالكامل مع إرسال خطي بسيط للإشارة.

03:43.590 --> 03:48.210
والآن لن نستخدم دالة الالتواء لتمرير الإشارة.

03:48.210 --> 03:53.820
سنستخدم إرسالًا خطيًا مع الفئة الخطية ثم لكسر الخطية ، لأننا ، كما تعلمون

03:53.820 --> 03:58.680
، نعمل مع الصور والصور لها علاقات غير خطية حيث سنستخدم دالة

03:58.680 --> 04:03.060
مقوم لنتمكن من تعلم هذه العلاقات غير الخطية.

04:03.300 --> 04:04.410
لذلك دعونا نفعل هذا.

04:04.410 --> 04:06.000
هذه في الواقع هي الخطوة التالية.

04:06.000 --> 04:09.120
والآن هذا تمامًا مثل ما فعلناه للسيارة ذاتية القيادة.

04:09.120 --> 04:11.970
نأخذ X لأننا نريد تحديثه مرة أخرى.

04:11.970 --> 04:14.580
نريد أن نحصل على الطبقة المخفية الآن.

04:14.820 --> 04:18.930
لذا فإن أول ما نفعله هو أننا نتعامل مع اتصالنا الكامل.

04:18.930 --> 04:20.940
FC واحد لأن الاتصال الكامل.

04:20.940 --> 04:25.290
FC one هو الذي يربط طبقة التسطيح بالطبقة المخفية.

04:25.290 --> 04:32.730
وبالتالي علينا أخذ FC واحد وتطبيقه على X الذي لدينا الآن ، وهو طبقة التسطيح.

04:32.730 --> 04:39.440
ولا ننسى الذات بالطبع لأن FC one هو متغير لوظيفة init الخاصة بنا ، لذا فإن الذات تفعل

04:39.450 --> 04:45.420
FC واحد x وهكذا تمرر الإشارة خطيًا من طبقة التسطيح إلى الطبقة المخفية.

04:45.420 --> 04:49.890
لكننا الآن بحاجة إلى تنشيط هذه الخلايا العصبية مع كسر الخطية في نفس الوقت.

04:49.890 --> 04:53.220
وهذا بالضبط ما نفعله بوظيفة تنشيط المعدل.

04:53.220 --> 04:58.050
والآن ما يتعين علينا القيام به هو أن نأخذ الوحدة الوظيفية الخاصة بنا.

04:58.050 --> 04:59.610
ومن هذه الوحدة الوظيفية نحن.

05:00.220 --> 05:07.690
بالطبع الدالة المصححة لدينا هي القيمة ونضع الذات التي هي FC واحدة داخل الأقواس.

05:08.050 --> 05:08.380
حسنا.

05:08.380 --> 05:14.650
إذن ما يحدث في هذا السطر من التعليمات البرمجية هو أننا أولاً ننشر الإشارات من طبقة التسطيح إلى الطبقة

05:14.650 --> 05:17.140
المخفية للشبكة المتصلة بالكامل.

05:17.320 --> 05:23.380
ثم نقوم بتنشيط الخلايا العصبية لهذه الطبقة المخفية عن طريق كسر الخطية بوظيفة تنشيط

05:23.380 --> 05:24.490
المعدل.

05:24.490 --> 05:27.700
ونحصل على الطبقة المخفية التي هي X هنا.

05:28.240 --> 05:28.960
في احسن الاحوال.

05:28.960 --> 05:31.030
والآن أمامنا خطوة واحدة أخرى يتعين علينا القيام بها.

05:31.030 --> 05:37.540
إنه ، بالطبع ، نشر الإشارة من الطبقة المخفية إلى طبقة الإخراج مع الخلايا العصبية الناتجة

05:37.540 --> 05:38.590
النهائية.

05:38.590 --> 05:40.930
وللقيام بذلك بشكل جيد ، هذا بسيط للغاية.

05:40.930 --> 05:43.450
هذا تمامًا مثل ما فعلناه للسيارة ذاتية القيادة.

05:43.450 --> 05:46.330
نأخذ اتصالنا الكامل الثاني.

05:46.330 --> 05:53.440
FC two ونطبقه بالطبع على الخلايا العصبية للطبقة المخفية التي هي الآن x.

05:53.440 --> 05:55.780
إذن ، x هنا هي الخلايا العصبية للطبقة المخفية.

05:55.810 --> 06:02.620
يصبح هذا x و x القديمان بالطبع الخلايا العصبية الناتجة لطبقة الإخراج التي تحتوي على قيم Q.

06:02.980 --> 06:10.030
وأخيرًا نعيد ببساطة الخلايا العصبية الناتجة وهي X بقيم Q.

06:10.030 --> 06:11.080
مثالي جدا.

06:11.080 --> 06:12.130
تهانينا.

06:12.130 --> 06:13.660
لقد صنعنا دماغًا للتو.

06:13.660 --> 06:17.620
لقد صنعنا للتو دماغ أعيننا بالعين وبقية الخلايا.

06:17.620 --> 06:18.970
لذا تهانينا.

06:18.970 --> 06:24.580
حان الوقت الآن لجعل الجسم هو الذي يحدد كيف سنلعب الإجراء بعد معالجة جميع

06:24.580 --> 06:26.440
الإشارات في الدماغ.

06:26.440 --> 06:28.210
هذه هي خطوتنا الكبيرة الثانية.

06:28.210 --> 06:30.130
لنفعل ذلك في البرامج التعليمية التالية.

06:30.130 --> 06:31.420
وحتى ذلك الحين ، استمتع.

06:31.420 --> 06:31.870
أنا.