WEBVTT 00:00.510 --> 00:03.060 Cześć i witamy w tutorialu Python. 00:03.060 --> 00:04.690 W porządku, więc stworzyliśmy mózg. 00:04.710 --> 00:06.290 A teraz stwórzmy ciało. 00:06.480 --> 00:11.640 Tak jak zrozumiałeś, ciało jest tą częścią, w której definiujemy, w jaki sposób będą rozgrywane działania, tak jak dzieje 00:11.640 --> 00:13.550 się to w przypadku prawdziwego ludzkiego ciała. 00:13.620 --> 00:18.860 Wiesz, że masz mózg, który wysyła sygnały do ciała, a wtedy twoje ciało gra. 00:19.030 --> 00:23.060 Cóż, to jest to samo, bo nasze sygnały pochodzą z mózgu. 00:23.130 --> 00:26.080 Otrzymujemy tutaj sygnał wyjściowy z funkcją Forda. 00:26.190 --> 00:31.320 Najpierw wiesz, co się dzieje, to, że otrzymujemy obrazy, obrazy trafiają w oczy 00:31.470 --> 00:37.050 sieci neuronowej złożonej z trzech splotowych warstw, a następnie z całkowicie połączonymi warstwami otrzymujemy 00:37.050 --> 00:40.040 sygnał wyjściowy z mózgu, który zawiera wartości. 00:40.170 --> 00:45.690 Ale wtedy ten sygnał wyjściowy powinien zostać przekazany do ciała, a ciało wykona akcję. 00:45.690 --> 00:48.830 I to jest właśnie ta część, którą zamierzamy teraz zrobić. 00:48.880 --> 00:55.690 Zamierzamy wprowadzić w życie sposób, w jaki ciało będzie grało akcję, i sposób, w jaki to zrobi, przy użyciu pewnej metody 00:55.690 --> 00:58.350 X, dokładnie takiej, jak w przypadku samochodu Southron. 00:58.500 --> 01:05.940 Nalegam, że metoda maksimum jest wysoce zalecana do grania w akcji z ciałem AI i dlatego to 01:05.940 --> 01:07.750 ta, którą zamierzamy osiągnąć. 01:08.310 --> 01:13.620 Ale w odróżnieniu od tego, jaki rodzaj dochodu osiągniemy na zajęciach, 01:13.860 --> 01:21.140 klasa ta oczywiście będzie odpowiadać ciału i dlatego zacznijmy od przedstawienia klasy, którą nazwiemy "miękki" obok, 01:21.330 --> 01:30.240 ale jak to Nie chcę nazywać tego miękkim Maxem tylko dlatego, że soughed Max to klasa latarki Pi od 01:30.480 --> 01:31.730 modułu końcowego. 01:31.860 --> 01:33.270 Dlatego tak niebezpiecznie jest nazywać to w ten sposób. 01:33.270 --> 01:35.660 Dlatego nazywam to ssaniem Maxwelliana. 01:35.820 --> 01:43.560 Teraz jest jasne, że nasza splotowa sieć neuronowa CNN jest mózgiem, a aktywność Sephtonów jest 01:43.560 --> 01:44.960 ciałem ucha. 01:45.360 --> 01:52.010 Tak Miękkie następne ciało i dziedziczmy z tego w tym module. 01:52.050 --> 01:53.580 Nie sądzę, że zamierzamy go użyć. 01:53.640 --> 01:56.150 Ale i tak możemy nadal z niego odziedziczyć. 01:56.280 --> 02:01.260 Wiesz na wszelki wypadek, że chcesz ulepszyć te rzeczy maksymalnie klasowo i chcesz skorzystać z niektórych narzędzi 02:01.480 --> 02:04.780 z modułu Cóż, będziesz mógł to zrobić za pomocą modułu silnika. 02:04.780 --> 02:08.590 Ale w tym momencie nie sądzę, żebyśmy używali któregokolwiek z modułów. 02:08.700 --> 02:13.130 A więc wejdźmy do środka ciała. 02:13.560 --> 02:19.910 W porządku, tak jak zwykle zaczynamy od naszej wrodzonej funkcji do definiowania zmiennych 02:19.920 --> 02:21.030 i przyszłości. 02:21.060 --> 02:21.980 Ale. 02:22.160 --> 02:29.040 To jest ciało AI AI i właściwie prosi się o ludzkie ciało parametrem, który może zdefiniować 02:29.130 --> 02:29.950 temperaturę. 02:30.150 --> 02:32.530 I faktycznie to będzie jedyna temperatura. 02:32.640 --> 02:37.060 Jest to proste ciało, ale używanie tego parametru temperatury bardzo nam pomoże. 02:37.420 --> 02:44.510 OK, ale przed temperaturą nie zapominajmy o jaźni, ale obiekty dla ciał, a teraz możemy wprowadzić temperaturę 02:44.560 --> 02:50.220 zobacz, który jest taki sam parametr jak ten, którego używamy do tego samochodu. 02:50.960 --> 02:51.300 DOBRZE. 02:51.320 --> 02:55.790 A potem Cullen i określmy nasze zmienne. 02:55.950 --> 03:02.130 Skoro dziedziczymy z DNA, a nie z Mudgal, znowu użyjemy tej superfunkcji. 03:02.190 --> 03:09.570 Bądźmy więc skuteczni, zachowajmy Tak i spójrzmy prawdzie w oczy, właśnie tutaj. 03:09.660 --> 03:17.300 I oczywiście nie zapominajmy o zastąpieniu CNN przez zagranie następnego kumpla. 03:17.430 --> 03:17.880 Proszę bardzo. 03:17.880 --> 03:22.420 Teraz przypuszczam, że może to być odruch, abyś użył tej superfunkcji na tym etapie. 03:22.530 --> 03:30.660 Musimy oczywiście ustawić zmienną temperaturową z self, która będzie równa wartości argumentu, 03:30.660 --> 03:37.190 który zostanie wprowadzony podczas tworzenia obiektu w następnej klasie. 03:37.200 --> 03:42.810 Przypominam, że za każdym razem, gdy tworzysz obiekt miękkiej następnej klasy, musisz wstawić 03:42.810 --> 03:49.080 argumenty, które są w funkcji init, a zatem istnieje t, a następnie zmienna twojego obiektu 03:49.080 --> 03:54.620 dołączona do obiektów self, do tego T jest argumentem, który wprowadzisz. 03:54.700 --> 03:55.090 W porządku. 03:55.110 --> 03:58.560 A teraz to powiedziane dla funkcji, która w rzeczywistości jest wszystkim, czego potrzebujemy. 03:58.720 --> 04:04.110 Sądzę więc, że jesteśmy gotowi, aby przejść do następnej funkcji z soughed maksymalnie klasy. 04:04.240 --> 04:09.040 I to będzie ostatnia funkcja, że są tylko dwie funkcje w dowolnej funkcji. 04:09.070 --> 04:14.540 A następny, który zrealizuje w następnym toile, który będzie funkcją forward i Whiteford. 04:14.620 --> 04:18.920 To dlatego, że teraz musimy przekazać sygnał wyjściowy z mózgu. 04:19.000 --> 04:24.700 To znaczy, że Cuno używa zawartości w wyjściowych neuronach warstwy wyjściowej do ciała, które będzie 04:24.700 --> 04:25.770 odtwarzało akcję. 04:25.810 --> 04:31.920 Przesyłamy więc sygnał wyjściowy z mózgu do organizmu, który będzie odgrywał ruch do przodu, idź w lewo, 04:32.020 --> 04:36.000 skręć w prawo, skręć w lewo, skręć w prawo lub strzelaj. 04:36.070 --> 04:40.220 W porządku, zróbmy to w następnym, toile, a potem trochę I.