WEBVTT 00:00.510 --> 00:03.060 Halo dan selamat datang di tutorial Python ini. 00:03.060 --> 00:04.690 Baiklah jadi kita baru saja membuat otak. 00:04.710 --> 00:06.290 Dan sekarang mari kita buat tubuh. 00:06.480 --> 00:11.640 Jadi ketika Anda memahami tubuh adalah bagian di mana kami mendefinisikan bagaimana tindakan akan dimainkan seperti apa yang 00:11.640 --> 00:13.550 terjadi pada tubuh manusia yang sebenarnya. 00:13.620 --> 00:18.860 Anda tahu Anda memiliki otak yang mengirimkan sinyal ke tubuh dan kemudian tubuh Anda memainkan aksinya. 00:19.030 --> 00:23.060 Nah itu sama kita memiliki sinyal yang berasal dari otak. 00:23.130 --> 00:26.080 Kami mendapatkan sinyal output dengan fungsi Ford di sini. 00:26.190 --> 00:31.320 Anda tahu, yang terjadi adalah bahwa kita mendapatkan gambar, gambar masuk ke mata jaringan 00:31.470 --> 00:37.050 saraf yang terdiri dari tiga lapisan konvolusional dan kemudian dengan lapisan yang terhubung sepenuhnya kita mendapatkan 00:37.050 --> 00:40.040 sinyal output dari otak yang berisi nilai-nilai. 00:40.170 --> 00:45.690 Tetapi kemudian sinyal output ini harus diteruskan ke tubuh dan tubuh akan memainkan aksinya. 00:45.690 --> 00:48.830 Dan itulah bagian yang akan kita ambil sekarang. 00:48.880 --> 00:55.690 Kita akan menerapkan cara tubuh akan memainkan aksi dan cara melakukannya adalah dengan metode X tertentu 00:55.690 --> 00:58.350 persis seperti untuk mobil Southron. 00:58.500 --> 01:05.940 Saya bersikeras bahwa metode max sangat dianjurkan untuk bermain beraksi dengan tubuh AI dan oleh karena itu 01:05.940 --> 01:07.750 yang akan kita gunakan. 01:08.310 --> 01:13.620 Tetapi sebagai lawan dari jenis penghasilan yang akan kita dapatkan di kelas dan kelas 01:13.860 --> 01:21.140 ini tentu saja akan sesuai dengan tubuh mata dan oleh karena itu mari kita mulai dengan memperkenalkan kelas di 01:21.330 --> 01:30.240 sini yang akan kita sebut lunak selanjutnya tetapi seperti ini Saya tidak ingin menyebutnya lunak Max hanya karena Max soughed adalah kelas Pi obor 01:30.480 --> 01:31.730 dari modul akhir. 01:31.860 --> 01:33.270 Jadi berbahaya menyebutnya seperti ini. 01:33.270 --> 01:35.660 Karena itu saya menyebutnya mengisap Maxwellian. 01:35.820 --> 01:43.560 Sekarang sangat jelas bahwa jaringan saraf convolutional CNN kami adalah otak dan aktivitas Sephton adalah 01:43.560 --> 01:44.960 tubuh telinga. 01:45.360 --> 01:52.010 Jadi Soft badan berikutnya dan mari kita mewarisi dari dalam modul itu. 01:52.050 --> 01:53.580 Saya tidak berpikir kita akan menggunakannya. 01:53.640 --> 01:56.150 Tapi bagaimanapun kita masih bisa mewarisinya. 01:56.280 --> 02:01.260 Anda tahu jika Anda ingin meningkatkan hal-hal ini secara maksimal di kelas dan ingin menggunakan beberapa 02:01.480 --> 02:04.780 alat dari modul. Anda akan dapat melakukannya dengan modul engine 02:04.780 --> 02:08.590 Tetapi pada titik ini saya tidak berpikir kita akan menggunakan salah satu modul. 02:08.700 --> 02:13.130 Jadi masuk dan mari masuk ke dalam tubuh. 02:13.560 --> 02:19.910 Baiklah jadi pertama seperti biasa kita akan mulai dengan fungsi bawaan kita untuk mendefinisikan variabel dan 02:19.920 --> 02:21.030 masa depan. 02:21.060 --> 02:21.980 Tapi. 02:22.160 --> 02:29.040 Itu adalah tubuh AI AI dan sebenarnya meminta tubuh manusia parameter yang dapat menentukan itu adalah 02:29.130 --> 02:29.950 suhu. 02:30.150 --> 02:32.530 Dan sebenarnya itu akan menjadi satu-satunya suhu. 02:32.640 --> 02:37.060 Jadi badannya sederhana tetapi masih menggunakan parameter suhu ini akan banyak membantu kita. 02:37.420 --> 02:44.510 OK tapi sebelum suhunya jangan lupa diri tapi benda untuk tubuh dan sekarang kita bisa memasukkan 02:44.560 --> 02:50.220 suhunya yang parameternya sama dengan yang kita gunakan untuk mobil ini. 02:50.960 --> 02:51.300 BAIK. 02:51.320 --> 02:55.790 Dan kemudian Cullen dan mari kita mendefinisikan variabel kita. 02:55.950 --> 03:02.130 Jadi karena kita mewarisi dari DNA bukan Mudgal kita akan menggunakan superfungsi lagi. 03:02.190 --> 03:09.570 Jadi mari kita menjadi efisien, mari kita tetap Ya dan hadapi itu yang ada di sini. 03:09.660 --> 03:17.300 Dan tentu saja jangan lupa mengganti CNN di sini dengan sobat teman berikutnya. 03:17.430 --> 03:17.880 Ini dia. 03:17.880 --> 03:22.420 Sekarang saya kira itu mungkin menjadi refleks bagi Anda untuk menggunakan fungsi super pada tahap ini. 03:22.530 --> 03:30.660 Dan apa yang harus kita lakukan adalah tentu saja mengatur adalah variabel suhu dengan self yang T dan 03:30.660 --> 03:37.190 itu akan sama dengan argumen yang akan dimasukkan ketika membuat objek di kelas berikutnya. 03:37.200 --> 03:42.810 Saya mengingatkan bahwa setiap kali Anda membuat objek dari kelas lunak berikutnya Anda harus meletakkan argumen 03:42.810 --> 03:49.080 yang ada dalam fungsi init dan oleh karena itu ada t dan kemudian variabel objek Anda dilampirkan ke 03:49.080 --> 03:54.620 objek diri tim akan dipanggil ke T ini yang adalah argumen yang akan Anda masukkan. 03:54.700 --> 03:55.090 Baiklah. 03:55.110 --> 03:58.560 Dan sekarang yang mengatakan untuk fungsi itu sebenarnya yang kita butuhkan. 03:58.720 --> 04:04.110 Jadi saya kira kita siap untuk pindah ke fungsi berikutnya dari kelas maksimal yang dipukul. 04:04.240 --> 04:09.040 Dan ini akan menjadi fungsi terakhir hanya ada dua fungsi dalam fungsi apa pun. 04:09.070 --> 04:14.540 Dan yang berikutnya yang akan diterapkan di toile berikutnya yang akan menjadi fungsi maju dan Whiteford. 04:14.620 --> 04:18.920 Itu karena saat ini kita harus meneruskan sinyal keluaran dari otak. 04:19.000 --> 04:24.700 Itu Anda tahu Cuno menggunakan konten di neuron output dari lapisan output ke tubuh yang akan 04:24.700 --> 04:25.770 memainkan aksinya. 04:25.810 --> 04:31.920 Jadi kita meneruskan sinyal keluaran dari otak ke tubuh yang akan memainkan aksi bergerak maju ke 04:32.020 --> 04:36.000 kiri ke kanan belok kiri belok kanan atau menembak. 04:36.070 --> 04:40.220 Baiklah jadi mari kita lakukan itu di sebelah toile dan kemudian Then.