WEBVTT 00:00.300 --> 00:02.670 Hallo en welkom bij deze Python-tutorial. 00:03.120 --> 00:09.120 Dus nu we klaar zijn om het netwerk te trainen om de kwadratische afstand tussen de output en het doel 00:09.120 --> 00:14.760 te minimaliseren, dankzij wat we deden met de geschiktheidstracering in de vorige sectie, nou, eigenlijk waren we klaar 00:14.760 --> 00:20.220 om de hele training te starten door, jij weten, onze invoer krijgen, ons doel, onze voorspellingen, dan 00:20.340 --> 00:25.890 de laatste fout vergelijken tussen de voorspellingen en het doel en dan de achterwaartse voortplanting doen met de 00:25.890 --> 00:28.090 Cassegrain in het centrum van gegevensgewichten. 00:28.320 --> 00:30.300 Dus we waren klaar om dit allemaal te doen. 00:30.300 --> 00:36.480 Maar omdat we het voortschrijdend gemiddelde van honderd stappen willen berekenen, weet je, om het gemiddelde van 00:36.480 --> 00:43.350 de training bij te houden, nou, net voordat we deze hele training doen, gaan we nu een klas maken 00:43.350 --> 00:47.070 die dit zal krijgen voortschrijdend gemiddelde op honderd stappen. 00:47.430 --> 00:48.240 Geen zorgen dus. 00:48.240 --> 00:49.230 We zullen het snel doen. 00:49.360 --> 00:53.430 We zullen een klasse maken met drie functies, maar we zullen dit allemaal doen in de enkele tutorial. 00:53.700 --> 00:54.780 Dus we doen het snel. 00:54.810 --> 00:55.800 We hebben het al gedaan. 00:55.800 --> 01:00.440 En bovendien willen we ons nu concentreren op de training, want dat is het belangrijkste. 01:00.720 --> 01:03.750 Dus laten we deze les nu maken in deze enkele tutorial. 01:04.350 --> 01:04.770 Oke. 01:04.770 --> 01:10.590 Dus we gaan een nieuwe klasse introduceren, die we gaan noemen en een voortschrijdend gemiddelde van vier. 01:11.040 --> 01:13.200 En daar gaan we dan met onze eerste functie. 01:13.200 --> 01:18.390 Dus dat is natuurlijk de init-functie die er nooit in verandert. 01:18.840 --> 01:21.690 En voor deze functie zijn twee argumenten nodig. 01:22.020 --> 01:30.420 De eerste zelf voor het voortschrijdend gemiddelde toekomstige object en de grootte, die overeenkomt met de grootte van de 01:30.420 --> 01:34.440 lijst met beloningen waarvan we het gemiddelde gaan berekenen. 01:34.470 --> 01:36.050 Dit worden er dus honderd. 01:36.720 --> 01:37.100 Oke. 01:37.110 --> 01:39.540 We hebben dus argumenten voor de init-functie. 01:39.720 --> 01:41.600 Laten we nu naar de functie gaan. 01:41.940 --> 01:43.080 Nu weet je wat je moet doen. 01:43.080 --> 01:47.070 We moeten de variabelen die specifiek zijn voor het object initialiseren. 01:47.250 --> 01:53.850 En deze zijn goed, eerst zal de eerste een lijst met beloningen zijn. 01:54.390 --> 01:59.090 Dat wordt de lijst met de honderd beloningen waarvan we het gemiddelde gaan berekenen. 01:59.160 --> 02:04.980 Dus hier op dit moment initialiseren we deze lijst gewoon tot dit jaar. 02:05.700 --> 02:06.710 Dus lijst met beloningen. 02:06.720 --> 02:14.040 En dan is de tweede variabele van ons toekomstige object natuurlijk de grootte en de grootte zal gelijk zijn aan 02:14.040 --> 02:18.750 de argumenten die we zullen invoeren bij het creëren van de toekomst. 02:18.750 --> 02:21.760 Bewegende gemiddelde objecten dus grootte hier. 02:22.200 --> 02:29.580 En we zijn al klaar om door te gaan naar de volgende functie, die de add-functie zal zijn en 02:29.580 --> 02:32.080 die de cumulatieve beloningen zal toevoegen. 02:32.100 --> 02:32.610 Doe voorzichtig. 02:32.610 --> 02:35.310 Het is niet de simpele beloning, het is de cumulatieve beloning. 02:35.430 --> 02:40.590 En dat is omdat, weet je, we de geschiktheid traceren en daarom elke 10 stappen leren en 02:40.590 --> 02:44.240 daarom leren met cumulatieve beloningen en niet met een eenvoudige beloning. 02:44.580 --> 02:52.200 Dus deze advertentiefunctie die we gaan maken, zal de cumulatieve beloning aan die lijst met beloningen toevoegen. 02:52.690 --> 02:59.070 Dus we gaan het natuurlijk ADD noemen, en voor deze functie zijn twee argumenten nodig. 02:59.220 --> 03:05.010 De eerste zelf, omdat we deze lijst met beloningen hier gaan gebruiken, omdat we simpelweg de cumulatieve 03:05.010 --> 03:08.130 beloningen gaan besteden aan deze lijst met beloningen. 03:08.340 --> 03:11.550 Dus we hebben het zelf nodig om dit zo zelf te kunnen krijgen. 03:11.550 --> 03:17.530 En de tweede zullen de beloningen zijn, die de cumulatieve beloning zullen vertegenwoordigen. 03:18.380 --> 03:18.810 Oke. 03:18.810 --> 03:21.450 Dus dat zijn onze twee argumenten van de ADD-functie. 03:21.750 --> 03:25.020 Laten we nu naar de functie gaan en definiëren wat het moet doen. 03:25.510 --> 03:31.830 Oké, heel eenvoudig, het eerste wat we moeten doen is telkens wanneer we een cumulatieve beloning krijgen, een nieuwe, 03:32.340 --> 03:38.520 wanneer we tien nieuwe stappen vooruitgaan, wel, wat we moeten doen is deze cumulatieve beloningen aan de lijst 03:38.520 --> 03:38.880 toevoegen. 03:39.090 --> 03:40.410 En dat is precies wat we gaan doen. 03:40.420 --> 03:45.540 We gaan een regel code schrijven die deze nieuwe cumulatieve beloning die we krijgen na tien 03:45.540 --> 03:48.680 stappen aan deze lijst met beloningen hier zal toevoegen. 03:49.140 --> 03:55.770 En om dit te doen, moeten we twee voorwaarden scheiden, want aangezien we met batches zullen werken, zullen de beloningen 03:55.980 --> 03:57.690 in sommige lijsten staan. 03:57.810 --> 04:01.890 Maar in sommige andere gevallen kunnen de beloningen ook als een enkel element zijn. 04:02.160 --> 04:09.330 En de syntaxis om een element aan een lijst toe te voegen, wat hier de lijst met beloningen is, is niet hetzelfde, 04:09.480 --> 04:12.920 of je nu een lijst toevoegt of een enkel element. 04:13.200 --> 04:16.680 Dus we hoeven alleen maar deze voorwaarde te stellen die deze twee gevallen van elkaar scheidt. 04:17.010 --> 04:22.500 En laten we beginnen met het eerste geval, wat het geval is wanneer wat we toevoegen aan deze lijst met beloningen een 04:22.500 --> 04:23.250 lijst is. 04:23.550 --> 04:26.520 En om dit te doen, gaan we een instantie toevoegen. 04:27.030 --> 04:29.520 En tussen haakjes voeren we twee argumenten in. 04:29.700 --> 04:36.930 De eerste is, zijn beloningen die we toevoegen, dus beloning en de tweede is lijst. 04:37.440 --> 04:47.310 En dus als het een beloningslijst is, betekent dat als de beloningen in een lijst staan en dus als de beloningen in 04:47.310 --> 04:54.690 een lijst staan, wat we doen is heel eenvoudig zelf dat we onze lijst nemen. 04:55.630 --> 04:56.260 beloningen. 04:57.370 --> 05:05.050 En we gaan deze lijst toevoegen, omdat dit een lijst is, wat we kunnen doen is een eenvoudige optelbewerking gebruiken, omdat we er 05:05.050 --> 05:09.160 een paar kunnen maken om de beloningen samen op te sommen. 05:09.190 --> 05:12.930 Hier is een lijst, omdat dit in dit geval gelijk is aan waar. 05:13.210 --> 05:21.010 En dus kunnen we deze lijst gewoon optellen bij onze lijst met beloningen en daarom kunnen we hier gewoon een lijst 05:21.010 --> 05:23.740 met beloningen plus gelijk aan beloningen toevoegen. 05:24.670 --> 05:30.070 En door dit te doen, breiden we de lijst gewoon uit door deze twee lijsten samen te sturen. 05:30.910 --> 05:31.440 Oke. 05:31.450 --> 05:39.910 En dan de tweede voorwaarde, zodat we simpelweg else kunnen toevoegen, zodat als de beloning geen lijst is en daarom als het een enkel 05:40.120 --> 05:43.970 element is en wie nog meer, wat er dan gebeurt? 05:44.320 --> 05:45.220 Nou, dat is hetzelfde. 05:45.220 --> 05:52.660 We willen de beloning toevoegen aan onze lijst met beloningen, maar we kunnen de syntaxis niet gebruiken omdat beloningen niet langer een 05:52.660 --> 05:53.690 lijst zijn. 05:53.710 --> 05:55.050 Het zal een enkel element zijn. 05:55.360 --> 05:59.710 Wat we dus moeten gebruiken, is een andere syntaxis, de append-functie. 05:59.980 --> 06:05.020 Als u een enkel element aan een lijst wilt toevoegen, kunt u enkele van de twee toevoegen die u nodig hebt met 06:05.020 --> 06:05.480 de append-functie. 06:05.710 --> 06:07.750 En dit is dus precies wat we nu gaan doen. 06:07.760 --> 06:18.370 We gaan onze lijst met woorden van het object nemen en die hier plakken en dan die append toevoegen dat we 06:18.370 --> 06:19.540 eerst gaan. 06:20.380 --> 06:24.340 En natuurlijk voeren we tussen haakjes het element in dat we willen toevoegen. 06:24.610 --> 06:26.020 En dit is natuurlijk een beloning. 06:26.290 --> 06:29.130 Maar beloningen zullen in dat geval geen lijst zijn. 06:29.320 --> 06:33.910 Het zal een enkel element zijn, zoals een enkele gecumuleerde beloning, niet in een lijst. 06:34.720 --> 06:35.160 Oke. 06:35.170 --> 06:39.080 En dan willen we dit doen, maar nu moeten we nog iets toevoegen. 06:39.290 --> 06:44.930 Het is wat er gebeurt als deze lijst met beloningen meer dan 100 elementen krijgt. 06:45.430 --> 06:51.220 Welnu, in dat geval moeten we het eerste element van deze lijst verwijderen, zodat we zeker weten 06:51.220 --> 06:55.900 dat deze lijst met beloningen altijd niet meer dan honderd elementen bevat. 06:56.320 --> 07:00.070 Dus precies zoals we deden voor de zelfrijdende auto bij het maken van dit scorevenster. 07:00.430 --> 07:08.350 En om hier zeker van te zijn, gaan we een bronvoorwaarde toevoegen die specificeert dat wanneer de lengte van onze lijst 07:08.890 --> 07:15.700 met beloningen, dat een aantal elementen is in onze lijst met beloningen, wanneer dit aantal groter is dan 07:15.700 --> 07:23.050 zelf, die grootte , dat is de grootte die we hier instellen en die later gelijk zal zijn aan honderd 07:23.050 --> 07:25.200 als we het object maken. 07:25.390 --> 07:30.580 Welnu, zodra het aantal elementen van deze lijst met beloningen groter is dan honderd, 07:30.580 --> 07:38.920 wel, wat we willen doen is het eerste element van onze lijst met beloningen verwijderen, wat we kunnen krijgen door de index 07:38.920 --> 07:40.330 nul te nemen. 07:40.330 --> 07:42.850 Dat is de eerste index van onze lijst met beloningen. 07:43.450 --> 07:46.750 Dit is het eerste element van onze lijst met beloningen. 07:47.020 --> 07:52.660 En we willen het verwijderen wanneer onze lijst met beloningen meer dan honderd elementen bevat. 07:53.440 --> 08:00.040 Zodat we er met deze voorwaarde hier voor zorgen dat onze lijst met beloningen nooit meer dan 08:00.040 --> 08:01.440 honderd elementen bevat. 08:02.050 --> 08:09.160 En daarom kunnen we nu een nieuwe functie maken om het gemiddelde van onze lijst met beloningen te 08:09.430 --> 08:15.580 berekenen, die honderd elementen zal bevatten, en daarom zullen we het voortschrijdend gemiddelde elke keer op 08:15.580 --> 08:17.080 honderd stappen berekenen. 08:17.940 --> 08:23.040 Dus laten we deze nieuwe functie maken, het zal heel gemakkelijk zijn omdat er de hoofdfunctie in Python 08:23.070 --> 08:26.960 is, een functie van non-pay om het gemiddelde van een lijst te berekenen. 08:27.540 --> 08:31.470 En laten we hier onze laatste functie introduceren, die we gemiddeld gaan noemen. 08:32.010 --> 08:36.870 En voor deze functie is één argument nodig, namelijk self, omdat we natuurlijk nog steeds 08:36.870 --> 08:41.240 onze lijst met beloningen gaan gebruiken, wat een variabele is van ons object. 08:41.580 --> 08:44.000 Dus ikzelf en Kullen. 08:44.580 --> 08:51.420 En laten we nu het gemiddelde berekenen en zo direct zullen we het gemiddelde teruggeven omdat we het kunnen 08:51.600 --> 08:55.260 krijgen met de gemiddelde functie waar we natuurlijk mee speelden. 08:55.710 --> 08:59.790 Welnu, wat we de betekenis daarvan willen berekenen, is onze lijst met beloningen. 09:00.030 --> 09:01.590 Ik denk dat ik nog steeds heb berekend. 09:01.800 --> 09:02.650 Ja, daar gaan we. 09:03.060 --> 09:06.810 Dus we geven gewoon de betekenis van onze lijst met beloningen terug. 09:07.170 --> 09:10.950 En het gemiddelde, zoals ik al zei, is een functie door non-pay. 09:11.340 --> 09:16.200 Dus hier voeg ik de snelkoppeling enpi toe die een lijst met beloningen betekent. 09:16.590 --> 09:20.160 En dan gaan we, we hebben ons gemiddelde van honderd stappen. 09:20.880 --> 09:21.570 Perfect. 09:21.570 --> 09:23.800 Dus die les hebben we heel efficiënt gemaakt. 09:24.060 --> 09:28.760 Nu krijgen we de instructies voor het verkrijgen van een voortschrijdend gemiddelde van honderd stappen. 09:29.100 --> 09:36.300 En aangezien we één object met voortschrijdend gemiddelde gaan gebruiken bij het doen van de training, laten we dit object 09:36.300 --> 09:38.280 met voortschrijdend gemiddelde al maken. 09:38.550 --> 09:46.020 En dus gaan we het een A noemen en eenvoudig en het wordt een object van de klasse MA. 09:46.380 --> 09:53.730 En zoals we al zeiden, we willen dat de grootte honderd is, omdat we het voortschrijdend gemiddelde willen berekenen op 09:53.730 --> 09:54.630 honderd stappen. 09:55.050 --> 09:55.930 Zo perfect. 09:55.950 --> 09:56.780 Daar gaan we. 09:56.940 --> 10:01.430 We zijn nu klaar om ons oog te trainen om eindelijk intelligent te zijn. 10:01.680 --> 10:02.640 Het zal tijd worden. 10:02.790 --> 10:07.500 Vanaf dit punt wordt ons oog slim, dus ik kan niet wachten om het te trainen. 10:07.740 --> 10:12.600 Het zal vrij eenvoudig zijn, want dit is iets wat we al hebben gedaan, maar dit wordt leuk. 10:12.600 --> 10:17.700 En bovendien, daarna wordt het tijd om nog meer plezier te hebben, want eigenlijk is onze A. L. zal volledig klaar zijn dat 10:17.700 --> 10:24.150 is gebouwd en ook intelligent, en daarom zullen we de code uitvoeren en dan zal onze lucht 10:24.150 --> 10:25.170 doom spelen. 10:25.410 --> 10:31.950 En uiteindelijk zullen we de video's van onze A. L. spelen ook, en we zullen zien of het erin slaagt 10:32.070 --> 10:33.000 het beste te bereiken. 10:33.360 --> 10:34.250 Dus ik kan niet wachten. 10:34.410 --> 10:35.670 Laten we de opleiding doen. 10:35.670 --> 10:37.210 En tot dan, Ingi.