WEBVTT

00:00.270 --> 00:02.820
大家好, 欢迎学习本Python教程｡ 

00:02.850 --> 00:06.230
好了, 我们刚做了大脑, 现在我们来做身体｡ 

00:06.240 --> 00:13.460
正如你们所理解的, 身体是我们定义动作如何进行的部分, 就像真实的的人体所发生的那样｡

00:13.470 --> 00:18.780
你知道, 你的大脑把信号发送给身体, 然后你的身体采取行动｡ 

00:18.780 --> 00:20.040
好吧, 在这里, 那是一样的｡ 

00:20.040 --> 00:22.950
我们有来自大脑的信号｡ 

00:22.950 --> 00:26.070
我们在这里得到具有正向函数的输出信号｡ 

00:26.070 --> 00:28.740
你知道, 首先发生的是我们得到图像｡ 

00:28.740 --> 00:33.570
图像进入由三个卷积层组成的神经网络的眼睛｡ 

00:33.570 --> 00:39.030
然后通过完全连接的层, 我们从大脑得到输出信号,

00:39.030 --> 00:45.420
其中包含了线索值, 但是然后这个输出信号应该被转发到身体, 然后身体就会扮演这个动作｡

00:45.450 --> 00:48.630
这正是我们现在要讨论的部分｡ 

00:48.630 --> 00:56.400
我们将实现身体的动作方式, 它将通过一个软max方法来实现｡

00:56.400 --> 00:58.230
就像自动驾驶汽车一样｡ 

00:58.230 --> 01:07.410
我坚持认为, 软最大化方法是强烈建议在行动中发挥与身体的人工智能, 因此这是一个我们要去｡

01:08.070 --> 01:11.820
但与自动驾驶汽车不同的是, 我们要开一门课｡ 

01:11.820 --> 01:15.930
这个类当然会对应于AI的主体｡ 

01:16.080 --> 01:25.290
因此, 让我们从引入一个类开始, 我们称之为柔体｡ 

01:25.290 --> 01:31.590
我不想叫它Soft Max, 只是因为Soft Max是GN模块中的一个pytorch类,

01:31.590 --> 01:33.180
所以这样叫它是危险的｡

01:33.180 --> 01:35.220
所以我称之为柔体极限｡ 

01:35.220 --> 01:43.410
现在很清楚, 我们的CNN卷积神经网络是大脑, 而soft max

01:43.410 --> 01:51.870
body是人工智能的身体, 所以soft max body, 让我们从MN DOT模块继承｡

01:51.900 --> 01:56.070
我不认为我们会使用它, 但无论如何, 我们仍然可以从中继承｡ 

01:56.070 --> 02:01.440
如果您想改进soft max

02:01.440 --> 02:08.070
body类并使用DN模块中的一些工具, 那么您可以使用DN模块来完成此操作, 但目前我认为我们不会使用任何DN模块｡

02:08.460 --> 02:12.840
然后柯林我们进入尸体内部｡ 

02:13.380 --> 02:13.710
好吧, 我会的

02:13.710 --> 02:20.760
首先, 像往常一样, 我们将从init函数开始, 定义未来主体对象的变量,

02:20.760 --> 02:23.610
也就是AI的主体｡

02:23.850 --> 02:29.910
而实际上对于人体来说, 一个可以定义它的参数就是温度｡ 

02:29.910 --> 02:32.430
实际上, 这是唯一的温度｡ 

02:32.430 --> 02:36.870
所以这是一个简单的物体, 但仍然使用这个温度参数, 这对我们有很大帮助｡ 

02:37.770 --> 02:44.010
但是在温度之前, 我们不要忘记物体的自我, 物体的自我,

02:44.010 --> 02:50.190
现在我们可以输入温度t, 它和我们用于自动驾驶汽车的参数一样｡

02:51.270 --> 02:55.230
然后是Colin, 我们来定义变量｡ 

02:55.740 --> 03:01.920
所以既然我们继承了N｡  答｡  模块, 我们将再次使用超级函数｡ 

03:01.920 --> 03:09.350
所以我们要有效率, 把这个复制下来, 然后贴在这里｡ 

03:09.360 --> 03:14.040
当然, 我们不要忘了用软的代替CNN｡ 

03:14.560 --> 03:17.820
麦克斯伙计给你｡ 

03:17.820 --> 03:22.140
现在, 我想这可能会成为你在这个阶段使用超级功能的条件反射｡ 

03:22.260 --> 03:30.600
然后我们要做的是, 当然, 用self点t来设置温度变量,

03:30.600 --> 03:36.930
它将等于创建一个软max类的目标时输入的参数｡

03:36.960 --> 03:42.510
我提醒你, 每当你创建一个soft max body类的对象时,

03:42.510 --> 03:48.360
你必须输入init函数中的参数, 也就是t, 然后你的对象的变量, 附加到你的对象self上,

03:48.360 --> 03:53.520
t将等于这个t, 这就是你要输入的参数｡

03:54.570 --> 03:55.010
好吧, 我会的

03:55.020 --> 03:56.940
这就是init函数｡ 

03:56.940 --> 03:58.500
这就是我们所需要的｡ 

03:58.500 --> 04:03.990
所以我想我们可以继续讨论self max body类的下一个函数了｡ 

04:03.990 --> 04:05.700
这将是最后一个函数｡ 

04:05.700 --> 04:10.890
只有两个函数, init函数和下一个函数, 我们将在下一个教程中实现, 即forward函数和y

04:10.890 --> 04:14.340
forward｡

04:14.340 --> 04:19.560
这是因为现在我们必须将大脑的输出信号, 也就是说,

04:19.560 --> 04:25.590
输出层的输出神经元中包含的队列值, 转发给身体, 身体将执行动作｡

04:25.590 --> 04:30.960
所以我们是在把大脑的输出信号转发给身体, 身体就会扮演这个动作｡ 

04:30.960 --> 04:35.310
前进, 左转, 右转, 左转, 右转或开枪｡ 

04:35.910 --> 04:38.550
好的, 让我们在下一个教程中做这个｡ 

04:38.550 --> 04:39.780
在那之前, 好好享受吧｡ 

04:39.780 --> 04:40.230
一､