WEBVTT 00:00.390 --> 00:05.320 Halo dan selamat datang untuk melatih mata dengan kuning konvolusional yang mendalam. 00:05.490 --> 00:06.240 Betul. 00:06.240 --> 00:11.550 Sekarang kita membangun AI AI dengan arsitektur jaringan saraf tubuh seperti cara aksi 00:11.550 --> 00:12.830 dimainkan dan semuanya. 00:12.840 --> 00:17.040 Sudah waktunya untuk melatih aku dengan Cuellar convolutional yang mendalam. 00:17.220 --> 00:21.100 Jadi mulai sekarang kami akan menerapkan Anda tahu pengalaman replay. 00:21.210 --> 00:23.770 Bekerja dengan nilai-nilai bekerja dengan kata-kata. 00:24.000 --> 00:27.820 Dan bahkan akan ada bonus yang akan meningkat banyak. 00:27.840 --> 00:33.870 Proses pelatihan dan itu disebut jejak kelayakan. Kelayakan jejak adalah teknik yang kuat 00:34.110 --> 00:41.880 yang terdiri dari akumulasi kata melalui beberapa langkah dan nilai kubus dipelajari pada akumulasi kata-kata ini sebagai 00:41.880 --> 00:46.860 lawan sebelumnya di mana nilai kubus dipelajari setelah setiap transisi. 00:46.860 --> 00:52.800 Karena itu setelah mendapatkan setiap kata kali ini kita akan mempelajari nilai-nilai setelah mendapatkan beberapa penghargaan, bukan 00:53.040 --> 00:54.480 hanya satu kata. 00:54.660 --> 01:00.530 Jadi, alih-alih memiliki satu transisi setelah yang lain dan Anda tahu memperbarui nilai Q setiap kali. 01:00.660 --> 01:07.620 Nilai q akan diperbarui setiap langkah karena kelayakan melacak radikal dan langkah kelayakan jejak dan 01:07.710 --> 01:13.820 akhir adalah angka ini setelah nilai q akan diperbarui dan dalam model kami. 01:13.820 --> 01:15.600 Di sini kita akan menerima panggilan apa pun. 01:15.630 --> 01:21.570 Jadi itu berarti bahwa akan ada 10 langkah penelusuran kelayakan dan oleh karena itu kami akan memperbarui dan mempelajari nilai q 01:21.840 --> 01:22.880 setiap 10 langkah. 01:22.890 --> 01:26.820 Setelah mengumpulkan kata-kata pada 10 langkah ini jadi itu bonus. 01:26.820 --> 01:32.400 Itu akan membuat model kami lebih kuat dan Anda akan melihat bahwa pada akhirnya kami akan mendapatkan hasil yang 01:32.400 --> 01:33.180 luar biasa. 01:33.180 --> 01:36.020 Saya sangat kagum ketika melihat hasil akhirnya. 01:36.030 --> 01:40.430 Saya dulu bekerja pada Merle's yang membutuhkan banyak waktu untuk mengeksekusi. 01:40.430 --> 01:45.780 Anda tahu AI membutuhkan banyak waktu untuk berlatih, tetapi Anda akan melihat bahwa dengan yang ini plus jaringan saraf 01:45.780 --> 01:46.640 yang kami buat. 01:46.860 --> 01:49.390 Itu adalah otak kita dan tubuh kita di sini dengan barang-barang. 01:49.390 --> 01:55.740 Selanjutnya kita akan mendapatkan massa yang sangat kuat dan karena itu AI sangat kuat karena Anda akan melihat bahwa itu benar-benar akan 01:55.740 --> 01:56.600 menyembuhkan kebohongan. 01:56.610 --> 01:59.090 Apakah Anda mengerti apa yang saya bicarakan. 01:59.370 --> 02:05.440 Jadi seperti yang Anda lihat di bagian 2 ini kita mulai dengan mendapatkan lingkungan Dume dan benar-benar menyiapkan baris 02:05.440 --> 02:06.740 kode untuk Anda. 02:06.780 --> 02:12.790 Kami hanya menggunakan file eksternal pra-pemrosesan gambar dari folder direktori yang berfungsi. 02:12.930 --> 02:19.520 Jadi pada dasarnya urutannya adalah lebih dulu mengambil baris kode ini, bukankah membuatnya di pengadilan. 02:19.590 --> 02:24.450 0 0 adalah nama lingkungan game yang kami mainkan. 02:24.450 --> 02:30.930 Jadi pertama-tama kita mengimpor lingkungan dengan permata ini yang membuat Itulah yang dapat Anda temukan di halaman terbuka 02:30.930 --> 02:31.970 dan tutorial. 02:32.190 --> 02:40.230 Tapi kemudian kita menggunakan kelas gambar preproses ini yang merupakan kelas dari pra-pemrosesan gambar untuk pra-diproses gambar yang akan datang ke 02:40.290 --> 02:45.870 yang baru yang bekerja dan kami memprosesnya sehingga mereka memiliki format persegi dengan dominasi 02:45.870 --> 02:54.060 80 oleh 80 dan yang perlu diingat adalah karena pada yang baru kami yang bekerja dengan baik kami mengatur gambar input 02:54.360 --> 02:58.530 kami untuk memiliki mesin waktu satu demi 80 oleh 80. 02:58.560 --> 03:03.490 Ingat satu adalah jumlah saluran dan satu berarti kita bekerja dengan gambar hitam putih. 03:03.660 --> 03:06.350 Jadi itulah skala abu-abu di sini. 03:06.900 --> 03:14.070 Dan 80 x 80 berarti bahwa dominasi gambar input kami akan 80 x 80 dan itulah yang kami atur di 03:14.070 --> 03:20.190 jaringan saraf tetapi tentu saja kita perlu menentukan ini ketika meletakkan gambar yang persis seperti yang kita 03:20.190 --> 03:23.150 lakukan di sini dengan preprocess ini kelas gambar. 03:23.670 --> 03:29.610 Dan kemudian setelah kami mengimpor lingkungan dengan format yang tepat dari gambar input sementara kami mengimpor seluruh permainan 03:29.610 --> 03:34.920 dengan video dengan baris kode ini dan ingat hal keren tentang ini adalah bahwa pada akhirnya 03:34.920 --> 03:40.350 kita akan melihat video diputar Doom Jadi kita akan melihat bagaimana itu akan membunuh monster yang mencoba 03:40.350 --> 03:43.410 mencapai yang terbaik dan semuanya akan sangat menarik. 03:43.440 --> 03:48.170 Dan ingat bahwa video ini akan masuk ke folder video ini. 03:48.630 --> 03:49.100 Baiklah. 03:49.230 --> 03:54.990 Dan baris terakhir di sini tetapi saya ingin menunjukkannya kepada Anda karena itu penting yang sekarang lebih terkait dengan AI 03:55.200 --> 03:56.710 AI yang sedang kami bangun. 03:56.910 --> 04:02.680 Ingat juga bahwa jaringan saraf kita mengambil tindakan sebagai nomor masukan. 04:02.880 --> 04:07.950 Itu karena Anda tahu kami ingin membuat AI AI yang dapat kami uji dengan mudah di beberapa 04:07.950 --> 04:09.660 lingkungan dan beberapa lingkungan Dume. 04:09.660 --> 04:15.100 Dan karena lingkungan yang berbeda memiliki jumlah tindakan yang berbeda. Kita menentukan variabel 04:15.120 --> 04:19.070 tindakan angka ini sebagai input dari CNN otak. 04:19.380 --> 04:26.250 Dan karena itu sekarang yang akan kita lakukan adalah mendapatkan variabel tindakan angka ini menggunakan lingkungan Dumah yang baru saja 04:26.250 --> 04:29.340 kita buat dan buat ke dalam variabel ini. 04:29.340 --> 04:34.860 Dan nantinya angka ini sebenarnya sangat baik yang akan kita buat akan menjadi input otak. 04:34.890 --> 04:36.000 Jadi mari kita lakukan ini. 04:36.000 --> 04:42.690 Saya memperkenalkan tindakan nomor variabel sekarang nyata jumlah tindakan ini sama dengan. 04:42.720 --> 04:47.870 Sekarang kita akan mengambil lingkungan malapetaka kita yang merupakan variabel yang kita buat. 04:48.150 --> 04:49.330 Saya juga. 04:49.500 --> 04:56.250 Kemudian kita tambahkan di sini dan kemudian di sini kita mulai, kita mengambil ruang tindakan pertama di sini yang merupakan set 04:56.250 --> 04:57.200 tindakan Anda. 04:57.230 --> 05:01.960 Saya mendorong Anda untuk melihat pembukaan di Horrible's untuk melihat cara kerjanya. 05:02.010 --> 05:05.530 Anda tahu untuk memahami cara membuka lingkungan gym bekerja. 05:05.670 --> 05:07.940 Tetapi pada dasarnya ini adalah serangkaian tindakan. 05:08.040 --> 05:14.070 Dan dari serangkaian tindakan ini, kita dapat mengakses sejumlah tindakan di lingkungan dan melakukan data ini 05:14.120 --> 05:15.770 di sini dan kemudian. 05:16.080 --> 05:25.050 Dan itulah jumlah tindakan dan karenanya malapetaka dan ruang tindakan itu akan mengembalikan 7 6:48 karena ada 05:25.050 --> 05:26.550 tujuh tindakan. 05:26.760 --> 05:32.640 Saya tahu bahwa kami dapat melihat enam tindakan di dua lingkungan di halaman pembuka tetapi saya pikir kami juga 05:32.640 --> 05:33.400 dapat menjalankannya. 05:33.490 --> 05:39.000 Dan agar Anda tahu kami dapat bergerak maju bergerak kiri, kanan, kiri, kanan, dan tembak. 05:39.000 --> 05:45.090 Dan selain itu kita dapat menjalankan yang membuat tujuh tindakan baik-baik saja dan hanya itu untuk melakukan lingkungan kita 05:45.330 --> 05:47.010 harus melakukan lingkungan kita. 05:47.040 --> 05:52.640 Kami memiliki sejumlah tindakan sehingga sejauh ini kami memiliki semua yang kami butuhkan untuk otak kami. 05:52.800 --> 05:58.320 Kami kemudian hanya akan membuat objek atau objek otak yang akan kita sebut huruf minimal CNN. 05:58.500 --> 06:04.500 Dan karena fungsi apa pun mengambil sejumlah tindakan sebagai argumen dengan baik, kami akan menempatkan jumlah 06:04.900 --> 06:11.160 tindakan dalam adegan sebagai objek yang akan kita buat dan tentu saja kita akan membuat tubuh dan akhirnya 06:11.160 --> 06:11.690 AI. 06:11.850 --> 06:18.090 Dan itulah mengapa bagian selanjutnya saya akan menyebutnya membangun AI AI karena sekarang kita dapat membangun mata sebanyak 06:18.090 --> 06:19.170 yang kita inginkan. 06:19.170 --> 06:22.070 Itu hal yang luar biasa tentang pemrograman berorientasi objek. 06:22.110 --> 06:24.290 Kita dapat membangun AI apa pun seperti yang kita inginkan. 06:24.320 --> 06:29.820 Jadi kita akan membangun AI kita yang memiliki otak canggih dan itulah yang akan kita 06:29.970 --> 06:31.690 lakukan di tutorial selanjutnya. 06:31.860 --> 06:33.430 Sampai kemudian menikmati AI.