WEBVTT

00:00.330 --> 00:02.580
Hallo en welkom bij deze python, bij Turrill.

00:02.880 --> 00:06.020
Oké, dus we hebben net de hersenen gemaakt en laten we nu het lichaam maken.

00:06.330 --> 00:11.010
Dus zoals je begreep, is het lichaam het deel waar we bepalen hoe de acties zullen worden gespeeld, zoals

00:11.310 --> 00:13.340
wat er echt gebeurt, een menselijk lichaam.

00:13.440 --> 00:18.630
Weet je, je hebt de hersenen die de signalen naar het lichaam sturen en dan speelt je lichaam de actie.

00:18.900 --> 00:20.040
Nou, hier is dat hetzelfde.

00:20.070 --> 00:22.850
Onze signalen komen uit de hersenen.

00:22.980 --> 00:25.870
We krijgen hier het uitgangssignaal met de voorwaartse functie.

00:26.100 --> 00:28.560
Weet je, wat er eerst gebeurt, is dat we de beelden krijgen.

00:28.770 --> 00:33.450
De beelden gaan in de ogen van het neurale netwerk dat is samengesteld uit de drie convolutionele lagen.

00:33.660 --> 00:39.030
En dan met de volledig verbonden lagen, krijgen we het uitgangssignaal van de hersenen, dat de belangrijkste

00:39.030 --> 00:39.810
waarden bevat.

00:40.020 --> 00:45.150
Maar dan moet dit uitgangssignaal worden doorgestuurd naar het lichaam en het lichaam zal de actie uitvoeren.

00:45.520 --> 00:48.530
En dat is dus precies het deel waar we nu voor gaan zorgen.

00:48.690 --> 00:55.640
We gaan de manier waarop het lichaam de actie zal spelen implementeren en de manier waarop het dit zal doen, is met een

00:55.640 --> 00:58.110
bepaalde tekstmethode, precies zoals voor de zelfrijdende auto.

00:58.320 --> 01:05.160
Ik sta erop dat de softmax-methode ten zeerste wordt aanbevolen voor het spelen in actie met het lichaam van de A. L.

01:05.340 --> 01:07.200
en daarom gaan we daar voor.

01:08.190 --> 01:12.960
Maar in tegenstelling tot de zelfrijdende auto gaan we een klasse maken en deze klasse zal

01:12.960 --> 01:15.780
uiteraard overeenkomen met de body van de AI.

01:16.170 --> 01:25.110
En laten we daarom beginnen met het introduceren van een klasse die we zo soft max body gaan noemen.

01:25.350 --> 01:31.410
Ik wil het niet alleen softmax noemen omdat Softmax een klasse is van Tahj uit de motormodule.

01:31.710 --> 01:33.180
Dus het is gevaarlijk om het zo te noemen.

01:33.180 --> 01:35.250
Daarom noem ik het softmax body.

01:35.250 --> 01:43.500
En nu is het heel duidelijk dat ons CNN convolutionele neurale netwerk het brein is en softmax body het lichaam van

01:43.500 --> 01:44.700
de lucht.

01:45.210 --> 01:51.890
Dus Softmax body en laten we erven van de in die module.

01:51.900 --> 01:56.790
Ik denk niet dat we het gaan gebruiken, maar hoe dan ook, we kunnen er nog steeds van erven, weet je,

01:56.790 --> 02:02.400
voor het geval je de dingen in de volgende carrosserieklasse wilt verbeteren en wat tools van de motormodule wilt gebruiken, nou, je zult in

02:02.400 --> 02:04.710
staat zijn om het te doen met de motormodule.

02:04.710 --> 02:07.890
Maar op dit moment denk ik niet dat we een van de motormodules zullen gebruiken.

02:08.580 --> 02:12.620
Dus kom op en laten we het lichaam binnengaan.

02:13.380 --> 02:13.710
Oke.

02:13.710 --> 02:20.610
Dus eerst, zoals gewoonlijk, beginnen we met onze init-functie om de variabelen van de toekomst te definiëren.

02:20.790 --> 02:27.660
Maar het object dat de lichamen van de A. L. en eigenlijk, zoals voor een menselijk lichaam, is een

02:27.660 --> 02:29.700
parameter die het kan definiëren de temperatuur.

02:29.970 --> 02:32.250
En eigenlijk zal dat de enige temperatuur zijn.

02:32.460 --> 02:33.570
Het is dus een eenvoudig lichaam.

02:33.570 --> 02:36.660
Maar als we deze temperatuurparameter nog steeds gebruiken, zullen we veel voor ons doen.

02:37.170 --> 02:42.870
Oké, maar laten we vóór de temperatuur het zelf niet vergeten voor de objecten, voor de lichamen.

02:43.200 --> 02:50.010
En nu kunnen we de temperatuur t invoeren, wat dezelfde parameter is als die we gebruiken voor de zuidelijke auto.

02:50.830 --> 02:59.920
OK, en dan Colin, en laten we onze variabelen definiëren, dus aangezien we van de module erven, gaan we de

02:59.920 --> 03:01.720
superfunctie opnieuw gebruiken.

03:02.020 --> 03:03.490
En laten we daarom efficiënt zijn.

03:03.490 --> 03:09.150
Laten we dit kopiëren en dat hier plakken.

03:09.460 --> 03:16.580
En laten we natuurlijk niet vergeten om CNN hier te vervangen door Soft Max, maat.

03:17.290 --> 03:17.810
Daar ga je.

03:17.830 --> 03:21.940
Nu, ik veronderstel dat dat een reflex voor je zou kunnen worden om de superfunctie in dit stadium te gebruiken.

03:22.360 --> 03:30.490
En wat we dan moeten doen, is natuurlijk onze temperatuurvariabele instellen met self dat t en dat zal gelijk zijn aan het

03:30.490 --> 03:36.640
argument dat zal worden ingevoerd bij het maken van een object in de volgende klas.

03:37.030 --> 03:42.760
Ik herinner eraan dat wanneer je een object van de softmax-klasse maakt, je de argumenten in de init-functie

03:42.760 --> 03:49.180
moet plaatsen en daarom is er T en dan is de variabele van je object gekoppeld aan objecten van de T

03:49.180 --> 03:53.350
gelijk aan deze T, dat is het argument dat u zult invoeren.

03:54.510 --> 03:58.280
Oké, en nu die set voor de init-functie, dat is eigenlijk alles wat we nodig hebben.

03:58.590 --> 04:03.900
Dus ik denk dat we klaar zijn om door te gaan naar de volgende functie van de softmax-klasse.

04:04.020 --> 04:05.860
En dit wordt de laatste functie daar.

04:05.910 --> 04:11.970
Slechts twee functies in functie en de volgende die we in de volgende bij olie zullen implementeren, wat de voorwaartse

04:11.970 --> 04:13.110
functie zal zijn.

04:13.260 --> 04:14.160
En waarom vooruit?

04:14.460 --> 04:18.570
Dat komt omdat we nu het uitgangssignaal van de hersenen moeten doorsturen.

04:18.840 --> 04:24.390
Dat wil zeggen, je weet wel, de waarden in de uitgangsneuronen van de uitgangslaag naar het lichaam, dat de

04:24.390 --> 04:25.430
actie zal spelen.

04:25.650 --> 04:31.350
Dus we sturen de uitgangssignalen van de hersenen naar het lichaam dat de actie zal spelen, vooruitgaan, naar links

04:31.350 --> 04:35.070
gaan, naar rechts gaan, naar links draaien, naar rechts draaien of schieten.

04:35.910 --> 04:36.300
Oke.

04:36.300 --> 04:38.550
Dus laten we dat doen in de volgende tutorial.

04:38.550 --> 04:40.140
En tot die tijd, geniet van I.
