WEBVTT 00:00.330 --> 00:02.250 Hallo en welkom bij deze tutorial. 00:02.490 --> 00:07.800 Oké, het is nu tijd om onze allereerste A. L. , omdat we op dit moment 00:07.800 --> 00:11.940 alleen de handleiding met instructies hebben gemaakt met de AI-klasse, maar we hebben nog geen object gemaakt. 00:12.180 --> 00:14.850 En dus hebben we geen echte A. L. nog. 00:15.030 --> 00:20.160 Maar we stonden op het punt om het nu te krijgen omdat we één object van deze A konden maken. L. klas. 00:20.280 --> 00:25.020 En dit object zal niets anders zijn dan een AI die een brein heeft, wie dan ook. 00:25.650 --> 00:25.980 Oke. 00:25.980 --> 00:26.920 Dus laten we dit doen. 00:26.940 --> 00:32.210 Het is eigenlijk heel eenvoudig om het te doen nu we alles met de klassen hebben gedefinieerd. 00:32.460 --> 00:38.430 Dus eigenlijk moeten we eerst een brein creëren, want zoals je kunt zien, als we een gebied creëren, moeten 00:38.430 --> 00:42.210 we een brein invoeren, maar we moeten ook een lichaam invoeren. 00:42.300 --> 00:43.830 We moeten ook een lichaam creëren. 00:44.130 --> 00:51.540 En als we eenmaal een hersenobject en een lichaamsobject hebben gemaakt, nou ja, dan kunnen we de binaire bestanden maken. 00:51.540 --> 00:55.450 We zullen de hersenen en het lichaam en de zaklamp bouwen en laten we het nu echt doen. 00:55.710 --> 00:56.810 Laten we beginnen met de hersenen. 00:57.090 --> 01:02.550 We gaan het brein CNN noemen, omdat het brein een convolutioneel neuraal netwerk is en het 01:02.550 --> 01:05.370 zal een object zijn van de CNN-klasse. 01:05.610 --> 01:07.280 Dus het is logisch om het CNN te noemen. 01:07.710 --> 01:14.680 Dus CNN is gelijk aan en dan nemen we deze keer onze CNN-les en voeren we tussen haakjes in, volgens jou. 01:15.000 --> 01:20.910 Welnu, op dit moment, en als we een object van een klasse maken, moeten we heel 01:21.210 --> 01:23.940 eenvoudig het argument van de init-functie invoeren. 01:24.210 --> 01:25.530 En dat zijn geen acties. 01:25.770 --> 01:30.480 En dankzij wat we eerder hadden toen we de omgeving gingen doen waar 01:30.480 --> 01:37.690 we dit al hebben, geen acties en daarom hoeven we hier gewoon geen acties in de CNN-klasse in te voeren. 01:37.980 --> 01:38.620 Perfect. 01:38.850 --> 01:39.940 Dus nu hebben we het brein. 01:40.230 --> 01:41.820 Laten we nu het lichaam maken. 01:42.340 --> 01:47.820 We gaan een object maken in de volgende les en we gaan dit object Softmax noemen. 01:48.420 --> 01:51.030 Bulley Dat zal het lichaam van ons oog zijn. 01:51.240 --> 02:00.000 En dit object is een object van de soft max body-klasse waarin we het enige argument van de Init-functie van de softmax body-klasse moeten invoeren, 02:00.000 --> 02:05.580 namelijk de temperatuur T en daarom moet je T invoeren, maar we moeten de waarde 02:06.000 --> 02:10.170 specificeren omdat dat zo is verre T is slechts een argument. 02:10.590 --> 02:17.310 Dus T is gelijk aan en we gaan beginnen met een temperatuur met een lage temperatuur, maar dit zou heel goed kunnen werken en 02:17.310 --> 02:20.120 eigenlijk weet ik al dat dit heel goed zal werken. 02:20.460 --> 02:26.340 Dus maar je kunt het proberen met alle temperaturen, je weet nu hoe het werkt, je acties zullen zekerder 02:26.460 --> 02:27.570 van zichzelf zijn. 02:27.720 --> 02:32.790 Dat wil zeggen dat de actie met de hoogste waarde een grotere kans heeft om geselecteerd te worden in tegenstelling 02:32.790 --> 02:37.560 tot de andere acties die een lagere kans hebben om geselecteerd te worden en daarom zal er minder onderzocht 02:37.560 --> 02:38.060 worden. 02:38.370 --> 02:40.230 Maar hoe dan ook, we kunnen met één beginnen. 02:40.680 --> 02:42.900 Dit zal ons een goed lichaam opleveren. 02:43.850 --> 02:50.360 Oké, dus nu hebben we een brein, we hebben een maatje, dus ik denk dat het tijd is om de laatste A te halen. L. uiteindelijk. 02:50.750 --> 02:54.440 Dus nu ga je zien hoe dingen zo eenvoudig gaan worden. 02:54.650 --> 02:56.660 Het is wanneer de intuïtie haar hoogtepunt bereikt. 02:57.020 --> 03:03.730 Om AI te maken, hoeven we alleen maar een object te maken dat we natuurlijk A noemen. L. van onze A L. klas. 03:03.950 --> 03:10.190 En aangezien de natuur is samengesteld uit de hersenen en het lichaam, voeren we de hersenen 03:10.190 --> 03:17.420 in, wat ons convolutionele neurale netwerk is, maar het object en een lichaam dat niets anders is dan het softmax-lichaam. 03:18.650 --> 03:26.240 Maak bezwaar uit de softmax body-klasse en zie dat we een oog in een zaklamp hebben gebouwd door gewoon een brein en het lichaam in 03:26.420 --> 03:30.170 te voeren, en nu hebben we het klaar om te worden getraind. 03:30.470 --> 03:36.020 Dus nu is het tijd om het hele diepe, convolutionele leerproces met ervaring te starten, die bonus 03:36.020 --> 03:38.600 van geschiktheidsspoor en 10 stappen te spelen. 03:38.780 --> 03:45.650 En uiteindelijk, als we dit allemaal hebben, zullen we de AI trainen om het slim te maken, zodat we dit kunnen proberen. 03:45.890 --> 03:51.080 Het volgende gedeelte gaat over het opzetten van ervaring om te spelen, dus we gaan het niet helemaal 03:51.080 --> 03:55.910 opnieuw implementeren, zoals voor de zelfrijdende auto, want het goede nieuws is dat we het al 03:55.910 --> 03:56.570 hebben geïmplementeerd. 03:56.870 --> 03:57.890 Dus dat zal snel zijn. 03:57.890 --> 04:03.140 We zullen gewoon een object maken in de replay-geheugenklasse, en deze ervaring zal fout spelen. 04:03.380 --> 04:04.700 Dus dat zal ons enorm helpen. 04:04.700 --> 04:09.320 En daarom gaan we snel over naar het nieuwe en belangrijkste, dat is de training. 04:09.890 --> 04:12.020 Laten we dit dus in de volgende tutorials aanpakken. 04:12.020 --> 04:13.460 En tot die tijd, geniet ervan.