WEBVTT

00:00.270 --> 00:04.380
Xin chào và chào mừng bạn đến với bước cuối cùng của quá trình tạo não bộ của chúng tôi.

00:04.380 --> 00:06.300
Chúng tôi có một chức năng để làm cho bên trái.

00:06.300 --> 00:12.300
Đây là hàm chuyển tiếp sẽ truyền tín hiệu trong tất cả các lớp của mạng nơ-ron, bao

00:12.300 --> 00:16.080
gồm ba lớp chập và lớp được kết nối đầy đủ.

00:16.080 --> 00:21.630
Và vì vậy, chức năng này là chức năng chuyển tiếp giống hệt như đối với ô tô tự lái,

00:21.630 --> 00:27.360
ngoại trừ lần này chúng ta phải truyền tín hiệu trong các lớp chập trước khi lớp được kết nối đầy đủ.

00:27.360 --> 00:32.910
Và tin tốt là chúng ta đã làm điều đó ở bước trước với hàm đếm nơ-ron, vì vậy

00:32.910 --> 00:37.110
chúng ta đã có mã để truyền tín hiệu trong các lớp chập.

00:37.110 --> 00:38.790
Và vì vậy điều này sẽ rất nhanh chóng.

00:38.790 --> 00:43.890
Chúng tôi sẽ chỉ kết hợp những gì chúng tôi đã làm ở đây và những gì chúng tôi đã làm cho xe tự lái, và chúng tôi sẽ nhận được chức

00:43.890 --> 00:45.360
năng chuyển tiếp cho não của chúng tôi.

00:45.540 --> 00:46.680
Vì vậy, chúng ta hãy làm điều này.

00:46.680 --> 00:54.810
Chúng tôi giới thiệu một chức năng mới ở đây, chức năng cuối cùng dành cho não, và chức năng này là chức

00:54.900 --> 01:03.840
năng chuyển tiếp lấy đối số giống hệt như hàm trước để tham chiếu đến đối tượng và x sẽ là hình ảnh đầu vào đầu

01:03.840 --> 01:10.110
tiên và sau đó X sẽ được cập nhật khi tín hiệu được truyền vào mạng nơ-ron.

01:10.440 --> 01:14.100
Được rồi, vậy Colin và sau đó chúng ta hãy đi vào bên trong hàm.

01:14.100 --> 01:20.340
Vì vậy, như tôi vừa nói, chúng tôi đã tạo mã để truyền các tín hiệu trong ba lớp phức hợp.

01:20.340 --> 01:23.370
Đó chính xác là ba dòng mã này.

01:23.370 --> 01:28.920
Vì vậy, tôi đang sao chép chúng và dán chúng ở đây và ở đó chúng ta bắt đầu.

01:28.920 --> 01:35.580
Chúng ta đã có cách truyền tín hiệu trong ba lớp chập, và vì vậy bây giờ chúng ta

01:35.580 --> 01:41.520
chỉ cần truyền tín hiệu từ các lớp chập đến lớp ẩn và sau đó cuối cùng

01:41.520 --> 01:45.120
đến lớp đầu ra nằm ở cuối mạng nơ ron.

01:45.120 --> 01:50.880
Và để làm điều này, trước tiên chúng ta cần làm phẳng lớp chập thứ ba mà chúng ta thu được ở đây.

01:50.880 --> 01:58.260
Hãy nhớ rằng, X lúc đầu là hình ảnh đầu vào, sau đó ở đây X trở thành lớp chập đầu tiên, sau đó ở

01:58.260 --> 02:03.720
đây X trở thành lớp chập thứ hai, và ở đây X trở thành lớp chập thứ ba.

02:03.720 --> 02:07.620
Vì vậy, ngay bây giờ ở giai đoạn này, x là lớp chập thứ ba.

02:07.620 --> 02:14.010
Và bây giờ để có được lớp làm phẳng, chúng ta cần phải làm phẳng lớp tích chập thứ ba này.

02:14.010 --> 02:18.090
Và để làm điều này, chúng ta sẽ làm một cái gì đó tương tự như chúng ta đã làm ở đây.

02:18.090 --> 02:20.730
Chỉ lần này chúng ta không cần số lượng tế bào thần kinh.

02:20.730 --> 02:24.870
Chúng ta chỉ cần làm phẳng các kênh trong lớp phức hợp thứ ba.

02:24.870 --> 02:27.990
Vì vậy, điều này sẽ khá đơn giản hơn nhưng rất giống nhau.

02:28.140 --> 02:35.400
Và để làm tốt điều này, chúng ta sẽ lấy X một lần nữa vì X sẽ trở thành lớp làm phẳng.

02:35.640 --> 02:38.610
Vì vậy, chúng tôi chỉ cập nhật x, vì vậy x bằng nhau.

02:38.610 --> 02:40.350
Sau đó, chúng tôi lấy x một lần nữa.

02:40.350 --> 02:44.340
Nhưng x này là x cũ, là lớp chập thứ ba.

02:44.340 --> 02:51.180
Vì vậy, chúng tôi lấy lớp tích chập thứ ba, sau đó chấm, sau đó chúng tôi lấy hàm xem mà chúng tôi áp dụng

02:51.210 --> 02:52.290
hai đối số.

02:52.290 --> 02:55.590
Cái đầu tiên có kích thước x chấm bằng không.

02:55.860 --> 03:01.740
Vì vậy, một lần nữa, chúng tôi sử dụng hàm kích thước để lấy tất cả các pixel của tất cả các kênh trong lớp phức hợp

03:01.740 --> 03:03.900
thứ ba và chúng tôi đặt chúng lần lượt.

03:03.900 --> 03:09.810
Và vectơ khổng lồ này sẽ trở thành X này ở đây và x này sau đó sẽ trở thành đầu vào của mạng

03:09.810 --> 03:11.190
được kết nối đầy đủ.

03:11.190 --> 03:15.960
Nhưng đó không phải là tất cả những gì chúng ta cần thêm ở đây, dấu phẩy và dấu trừ một.

03:15.960 --> 03:19.140
Vì vậy, bạn có thể tìm thấy thủ thuật đó trong các hướng dẫn của PyTorch.

03:19.140 --> 03:24.990
Đó là cách bạn có thể làm phẳng một lớp phức hợp bao gồm một số kênh bằng cách sử dụng hàm kích thước.

03:24.990 --> 03:29.790
Và tất nhiên, nếu bạn muốn biết thêm chi tiết về cách hoạt động của nó, bạn có thể xem hướng dẫn pytorch.

03:29.790 --> 03:31.200
Tôi sẽ cung cấp liên kết.

03:31.560 --> 03:36.870
Vì vậy, bây giờ chúng ta đã có lớp làm phẳng của mình, bạn biết đấy, lớp làm phẳng

03:36.870 --> 03:43.590
này sẽ trở thành đầu vào của một mạng được kết nối đầy đủ cổ điển với một đường truyền tín hiệu tuyến tính đơn giản.

03:43.590 --> 03:48.210
Và vì vậy bây giờ chúng ta sẽ không sử dụng một hàm tích chập để truyền tín hiệu.

03:48.210 --> 03:53.820
Chúng tôi sẽ sử dụng truyền tuyến tính với lớp tuyến tính và sau đó phá vỡ tuyến tính, bởi vì, bạn biết đấy,

03:53.820 --> 03:58.680
chúng tôi đang làm việc với hình ảnh và hình ảnh có mối quan hệ phi tuyến tính, nơi chúng tôi

03:58.680 --> 04:03.060
sẽ sử dụng một hàm chỉnh lưu để có thể tìm hiểu các mối quan hệ phi tuyến.

04:03.300 --> 04:04.410
Vì vậy, chúng ta hãy làm điều này.

04:04.410 --> 04:06.000
Đây thực sự là bước tiếp theo.

04:06.000 --> 04:09.120
Và bây giờ, đó chính xác là những gì chúng tôi đã làm cho xe tự lái.

04:09.120 --> 04:11.970
Chúng tôi lấy X vì chúng tôi muốn cập nhật lại.

04:11.970 --> 04:14.580
Bây giờ chúng ta muốn lấy lớp ẩn.

04:14.820 --> 04:18.930
Và vì vậy điều đầu tiên chúng tôi làm là sử dụng toàn bộ kết nối của chúng tôi.

04:18.930 --> 04:20.940
FC một vì kết nối đầy đủ.

04:20.940 --> 04:25.290
FC one là kết nối lớp làm phẳng với lớp ẩn.

04:25.290 --> 04:32.190
Và do đó chúng ta cần lấy FC một và áp dụng nó vào X mà chúng ta có ngay bây giờ, đó là lớp làm

04:32.190 --> 04:32.730
phẳng.

04:32.730 --> 04:39.440
Và tất nhiên chúng ta không quên self vì FC một là một biến của hàm init của chúng ta, vì vậy self

04:39.450 --> 04:45.420
sẽ FC một x và điều đó truyền tín hiệu tuyến tính từ lớp làm phẳng sang lớp ẩn.

04:45.420 --> 04:49.890
Nhưng bây giờ chúng ta cần kích hoạt các nơ-ron này đồng thời phá vỡ tuyến tính.

04:49.890 --> 04:53.220
Và đó chính xác là những gì chúng tôi làm với chức năng kích hoạt Bộ chỉnh lưu.

04:53.220 --> 04:58.050
Vì vậy, bây giờ những gì chúng ta phải làm là lấy mô-đun chức năng của chúng tôi.

04:58.050 --> 04:59.610
Và từ mô-đun chức năng này, chúng tôi.

05:00.220 --> 05:07.690
Tất nhiên, chức năng được điều chỉnh của chúng tôi đó là giá trị và chúng tôi tự đặt FC đó một trong dấu ngoặc đơn.

05:08.050 --> 05:08.380
Được rồi.

05:08.380 --> 05:14.650
Vì vậy, những gì xảy ra trong dòng mã này là đầu tiên chúng ta truyền các tín hiệu từ lớp làm phẳng đến

05:14.650 --> 05:17.140
lớp ẩn của mạng được kết nối đầy đủ.

05:17.320 --> 05:23.380
Và sau đó chúng tôi kích hoạt các nơ-ron của lớp ẩn này bằng cách phá vỡ tuyến tính với chức năng kích hoạt

05:23.380 --> 05:24.490
bộ chỉnh lưu này.

05:24.490 --> 05:27.700
Và chúng tôi nhận được lớp ẩn của chúng tôi là X ở đây.

05:28.240 --> 05:28.960
Hoàn hảo.

05:28.960 --> 05:31.030
Và bây giờ chúng ta chỉ còn một bước nữa để làm.

05:31.030 --> 05:37.540
Tất nhiên, nó là để truyền tín hiệu từ lớp ẩn đến lớp đầu ra với các nơ-ron đầu

05:37.540 --> 05:38.590
ra cuối cùng.

05:38.590 --> 05:40.930
Và để làm tốt điều này, điều đó rất đơn giản.

05:40.930 --> 05:43.450
Đó chính xác là những gì chúng tôi đã làm cho xe tự lái.

05:43.450 --> 05:46.330
Chúng tôi có kết nối đầy đủ thứ hai của chúng tôi.

05:46.330 --> 05:53.440
FC hai Và tất nhiên, chúng tôi áp dụng nó cho các nơ-ron của lớp ẩn hiện là x.

05:53.440 --> 05:55.780
Vì vậy, x ở đây là các nơ-ron của lớp ẩn.

05:55.810 --> 06:02.620
X và x cũ ở đây tất nhiên trở thành các nơron đầu ra của lớp đầu ra chứa các giá trị Q.

06:02.980 --> 06:10.030
Và cuối cùng, chúng tôi chỉ cần trả về các nơ-ron đầu ra là X với các giá trị Q.

06:10.030 --> 06:11.080
Rất hoàn hảo.

06:11.080 --> 06:12.130
Xin chúc mừng.

06:12.130 --> 06:13.660
Chúng tôi chỉ tạo ra một bộ não.

06:13.660 --> 06:17.620
Chúng tôi chỉ tạo ra bộ não của mắt bằng mắt và phần còn lại của các tế bào.

06:17.620 --> 06:18.970
Vì vậy, xin chúc mừng.

06:18.970 --> 06:24.580
Bây giờ là lúc để tạo ra cơ thể đang xác định cách chúng ta sẽ thực hiện hành động sau khi tất cả các

06:24.580 --> 06:26.440
tín hiệu được xử lý trong não.

06:26.440 --> 06:28.210
Vì vậy, đó là bước quan trọng thứ hai của chúng tôi.

06:28.210 --> 06:30.130
Hãy làm điều này trong các hướng dẫn tiếp theo.

06:30.130 --> 06:31.420
Và cho đến khi đó, hãy tận hưởng.

06:31.420 --> 06:31.870
TÔI.