WEBVTT 00:00.270 --> 00:02.820 Xin chào và chào mừng bạn đến với hướng dẫn Python này. 00:02.850 --> 00:06.230 Được rồi, chúng ta chỉ tạo ra bộ não, và bây giờ hãy tạo ra cơ thể. 00:06.240 --> 00:11.190 Vì vậy, như bạn đã hiểu, cơ thể là phần mà chúng ta xác định cách các hành động sẽ được thực hiện, giống 00:11.190 --> 00:13.460 như những gì xảy ra với cơ thể người thật. 00:13.470 --> 00:18.780 Bạn biết đấy, bạn có bộ não gửi tín hiệu đến cơ thể và sau đó cơ thể bạn thực hiện hành động. 00:18.780 --> 00:20.040 Chà, ở đây, cũng vậy. 00:20.040 --> 00:22.950 Chúng ta có tín hiệu đến từ não. 00:22.950 --> 00:26.070 Chúng tôi nhận được tín hiệu đầu ra với chức năng chuyển tiếp ở đây. 00:26.070 --> 00:28.740 Bạn biết đấy, điều đầu tiên xảy ra là chúng ta có được những hình ảnh. 00:28.740 --> 00:33.570 Các hình ảnh đi vào mắt của mạng lưới thần kinh bao gồm ba lớp phức tạp. 00:33.570 --> 00:39.030 Và sau đó với các lớp được kết nối đầy đủ, chúng ta nhận được tín hiệu đầu ra từ não chứa các 00:39.030 --> 00:44.580 giá trị tín hiệu, nhưng sau đó tín hiệu đầu ra này sẽ được chuyển tiếp đến cơ thể và cơ thể sẽ thực 00:44.580 --> 00:45.420 hiện hành động. 00:45.450 --> 00:48.630 Và đó chính xác là phần mà chúng tôi sẽ giải quyết ngay bây giờ. 00:48.630 --> 00:55.560 Chúng tôi sẽ thực hiện cách cơ thể sẽ thực hiện hành động và cách nó sẽ thực hiện với phương thức 00:55.560 --> 00:56.400 soft max. 00:56.400 --> 00:58.230 Chính xác như cho chiếc xe tự lái. 00:58.230 --> 01:05.280 Tôi nhấn mạnh rằng phương pháp soft max rất được khuyến khích để chơi trong hành động với cơ thể của AI, và do đó đó là 01:05.280 --> 01:07.410 phương pháp chúng tôi sẽ thực hiện. 01:08.070 --> 01:11.820 Nhưng trái ngược với xe tự lái, chúng ta sẽ tạo ra một lớp học. 01:11.820 --> 01:15.930 Và lớp này tất nhiên sẽ tương ứng với phần thân của AI. 01:16.080 --> 01:25.290 Và do đó, hãy bắt đầu bằng cách giới thiệu lớp ở đây mà chúng ta sẽ gọi là soft max body như thế này. 01:25.290 --> 01:31.590 Tôi không muốn gọi nó là Max mềm, chỉ vì Soft Max là một lớp pytorch từ mô-đun GN, vì vậy rất nguy hiểm 01:31.590 --> 01:33.180 khi gọi nó theo cách này. 01:33.180 --> 01:35.220 Do đó tôi gọi nó là soft max body. 01:35.220 --> 01:43.410 Và bây giờ rất rõ ràng rằng Mạng thần kinh kết hợp CNN của chúng tôi là bộ não và phần 01:43.410 --> 01:51.870 thân tối đa mềm là phần thân của AI nên phần thân tối đa mềm và hãy kế thừa từ mô-đun MN DOT. 01:51.900 --> 01:56.070 Tôi không nghĩ chúng ta sẽ sử dụng nó, nhưng dù sao, chúng ta vẫn có thể kế thừa từ nó. 01:56.070 --> 02:01.440 Bạn biết đấy, trong trường hợp bạn muốn cải thiện lớp soft max body và muốn sử dụng một số công cụ từ mô-đun 02:01.440 --> 02:06.360 DN, bạn sẽ có thể làm điều đó với mô-đun DN, nhưng tại thời điểm này, tôi không nghĩ chúng ta sẽ 02:06.360 --> 02:08.070 sử dụng bất kỳ mô-đun DN nào. 02:08.460 --> 02:12.840 Vì vậy, sau đó Collin và chúng ta hãy đi vào bên trong cơ thể. 02:13.380 --> 02:13.710 Được rồi. 02:13.710 --> 02:20.760 Vì vậy, trước tiên, như thường lệ, chúng ta sẽ bắt đầu với hàm init của mình để xác định các biến của đối tượng 02:20.760 --> 02:23.610 body trong tương lai là các cơ thể của AI. 02:23.850 --> 02:29.910 Và thực tế đối với cơ thể con người, một thông số có thể xác định nó là nhiệt độ. 02:29.910 --> 02:32.430 Và thực sự đó sẽ là nhiệt độ duy nhất. 02:32.430 --> 02:36.870 Vì vậy, nó là một cơ thể đơn giản, nhưng vẫn sử dụng thông số nhiệt độ này sẽ giúp ích rất nhiều cho chúng ta. 02:37.770 --> 02:44.010 Nhưng trước nhiệt độ, chúng ta đừng quên nhiệt độ cho các vật thể, cho các cơ thể, và bây giờ chúng ta có 02:44.010 --> 02:50.190 thể nhập nhiệt độ t là thông số tương tự như thông số chúng ta sử dụng cho ô tô tự lái. 02:51.270 --> 02:55.230 Và sau đó Colin và chúng ta hãy xác định các biến của chúng ta. 02:55.740 --> 03:01.920 Vì vậy, kể từ khi chúng tôi kế thừa từ N. MỘT. Mô-đun, chúng ta sẽ sử dụng siêu hàm một lần nữa. 03:01.920 --> 03:09.350 Và vì vậy hãy hiệu quả, hãy sao chép cái này và dán cái đó ngay tại đây. 03:09.360 --> 03:14.040 Và tất nhiên, chúng ta đừng quên thay thế CNN ở đây bằng soft. 03:14.560 --> 03:17.820 Max, bạn thân, bạn đi rồi. 03:17.820 --> 03:22.140 Bây giờ, tôi cho rằng đó có thể trở thành phản xạ để bạn sử dụng siêu hàm ở giai đoạn này. 03:22.260 --> 03:30.600 Và sau đó những gì chúng ta phải làm, tất nhiên là đặt biến nhiệt độ của chúng ta với tự chấm t và 03:30.600 --> 03:36.930 điều đó sẽ bằng đối số sẽ được nhập khi tạo mục tiêu cho lớp max mềm. 03:36.960 --> 03:42.510 Tôi nhắc rằng bất cứ khi nào bạn tạo một đối tượng của lớp soft max body, bạn phải nhập các 03:42.510 --> 03:48.360 đối số có trong hàm init và do đó, đó là t và sau đó biến đối tượng của bạn được gắn 03:48.360 --> 03:53.520 với đối tượng của bạn mà t sẽ bằng t này, là đối số mà bạn sẽ nhập. 03:54.570 --> 03:55.010 Được rồi. 03:55.020 --> 03:56.940 Và bây giờ đó là nó cho hàm init. 03:56.940 --> 03:58.500 Đó thực sự là tất cả những gì chúng ta cần. 03:58.500 --> 04:03.990 Vì vậy, tôi đoán chúng ta đã sẵn sàng chuyển sang chức năng tiếp theo của lớp self max body. 04:03.990 --> 04:05.700 Và đây sẽ là chức năng cuối cùng. 04:05.700 --> 04:10.890 Chỉ có hai hàm, hàm init và hàm tiếp theo mà chúng ta sẽ thực hiện trong phần hướng dẫn 04:10.890 --> 04:14.340 tiếp theo, đó sẽ là hàm chuyển tiếp và hàm chuyển tiếp y. 04:14.340 --> 04:19.560 Đó là bởi vì ngay bây giờ chúng ta phải chuyển tiếp tín hiệu đầu ra từ não, bạn biết 04:19.560 --> 04:25.590 đấy, các giá trị hàng đợi chứa trong các nơ-ron đầu ra của lớp đầu ra tới cơ quan sẽ thực hiện hành động. 04:25.590 --> 04:30.960 Vì vậy, chúng tôi đang chuyển tiếp tín hiệu đầu ra từ não đến cơ thể sẽ thực hiện hành động. 04:30.960 --> 04:35.310 Di chuyển về phía trước, đi trái, đi phải, rẽ trái, rẽ phải hoặc bắn. 04:35.910 --> 04:38.550 Được rồi, hãy làm điều đó trong hướng dẫn tiếp theo. 04:38.550 --> 04:39.780 Và cho đến khi đó, hãy tận hưởng. 04:39.780 --> 04:40.230 TÔI.