WEBVTT

00:00.300 --> 00:02.340
أهلا ومرحبا بكم في هذا البرنامج التعليمي.

00:02.370 --> 00:02.790
حسنا.

00:02.790 --> 00:08.070
لذلك سنبدأ بالملف الأول لنموذجنا والملف الأكثر أهمية الذي تم تصميمه على

00:08.070 --> 00:08.910
نموذج PI.

00:08.910 --> 00:13.950
وفي هذا الملف سنقوم بتنفيذ دماغ النموذج بأكمله ، كما تعلمون ، الدماغ

00:13.950 --> 00:15.780
في قلب نموذج a3c.

00:15.780 --> 00:21.270
هذا في هذا الملف هو أننا سنصنع الشبكة العصبية ، والتي ستحتوي بالطبع على بعض الشبكات العصبية

00:21.270 --> 00:25.470
التلافيفية ، لأننا بالطبع ما زلنا نقوم ببعض التعلم التعزيزي العميق.

00:25.470 --> 00:27.600
لذا فإن الذكاء الاصطناعي الخاص بنا سيظل له أعين.

00:27.600 --> 00:33.090
وداخل هذه الشبكة العصبية ، سنقوم بدمج كل ما يتعلق بنموذج الناقد النشط.

00:33.090 --> 00:34.440
وهناك مكافأة.

00:34.440 --> 00:38.010
كما أخبرتك ، نحن ننفذ واحدًا من أقوى ثلاثة موديلات C.

00:38.010 --> 00:43.050
وما يجعلها قوية أنها ستحتوي على سجل للشبكة العصبية وبشكل أكثر دقة في الذاكرة

00:43.050 --> 00:49.140
طويلة المدى وقصيرة المدى ، حتى نتمكن من معرفة الخصائص الزمنية لما يحدث في اللعبة.

00:49.140 --> 00:54.300
هذا هو في الواقع الخصائص الزمنية للمدخلات بحيث يمكن أن تكون التنبؤات أفضل.

00:55.050 --> 00:55.950
لذا ها نحن ذا.

00:55.950 --> 01:01.320
نحن ننفذ نموذجًا قويًا للغاية يجمع بشكل أساسي جميع الشبكات العصبية التي رأيناها في دورة

01:01.320 --> 01:02.490
التعلم العميق.

01:02.490 --> 01:07.980
هذه شبكة عصبية اصطناعية وشبكة عصبية تلافيفية وشبكة عصبية متكررة.

01:07.980 --> 01:12.870
وفي قلب كل هذه الشبكات ، يوجد بالطبع نموذج a3c الذي سيجعل الذكاء الاصطناعي

01:12.900 --> 01:13.920
قويًا للغاية.

01:14.100 --> 01:15.120
لذلك دعونا نفعل هذا.

01:15.120 --> 01:18.210
دعونا نهاجم هذا النموذج ونطبقه.

01:18.210 --> 01:24.000
لذلك سنبدأ بعمل وظيفتين ما هما إلا بعض الوظائف التي ستهتم بكيفية تهيئة الأوزان

01:24.000 --> 01:28.170
لأننا سنمتلك بعض الشبكات العصبية ، وبالتالي سيكون لدينا

01:28.170 --> 01:29.070
أوزان.

01:29.070 --> 01:34.770
ونريد فقط أن نجعل هاتين الوظيفتين أولاً حتى يكون لدينا بالفعل أداة للتكامل بسهولة

01:34.770 --> 01:38.040
داخل النموذج بأكمله ، الشبكة العصبية.

01:38.040 --> 01:42.400
لذلك فإن هاتين الوظيفتين ستتم تهيئتهما في الأعمدة العادية.

01:42.450 --> 01:49.260
هذه في الأساس وظيفة لا يمكنها فقط تهيئة بعض الأوزان ولكن أيضًا تعيين تباين معين لموتّر

01:49.260 --> 01:50.250
الأوزان.

01:50.250 --> 01:52.740
هذا هو بالضبط ما نحن بصدد تنفيذه الآن.

01:52.740 --> 01:57.630
وبعد ذلك سنقوم بتنفيذ وظيفة ثانية ، والتي ستكون الأوزان في وظيفة تكنولوجيا المعلومات

01:57.630 --> 02:01.230
، والتي ستقوم أساسًا بتهيئة الأوزان بالطريقة المثلى للتعلم.

02:01.680 --> 02:02.190
حسنا.

02:02.190 --> 02:08.040
وبعد ذلك بمجرد أن ننتهي من هاتين الوظيفتين ، سنبدأ في تنفيذ الشبكة العصبية.

02:08.070 --> 02:08.880
لنفعلها اذا.

02:08.880 --> 02:11.940
دعنا نجعل هاتين الوظيفتين بسرعة.

02:11.940 --> 02:14.190
لذلك أنا أبدأ مع مواطنه هنا.

02:14.190 --> 02:18.390
ثم سأعطي اسم هذه الوظيفة التي تم تسويتها.

02:18.690 --> 02:23.570
تسطير أسفل الأعمدة ، تسطير أسفل السطر ، قم بتهيئتها.

02:24.570 --> 02:25.380
هناك نذهب.

02:25.380 --> 02:28.690
وستأخذ هذه الدالة مدخلين فقط.

02:28.710 --> 02:35.730
الأول سيكون الأوزان التي نريد تهيئتها والانحراف المعياري ، لأنه كما قلت للتو ،

02:35.730 --> 02:40.080
نريد تعيين تباين محدد لأوزان الموتر الخاصة بنا.

02:40.080 --> 02:44.760
وإذا كنت تريد أن تفهم لماذا يتعين علينا القيام بذلك ، فذلك لأنه ، كما تعلمون ، عندما

02:44.760 --> 02:50.070
نصنع الشبكة العصبية ، سيكون هناك الممثل والناقد وفقًا لنموذج C الثلاثة ، وسنقوم بعمل اثنين منفصلين

02:50.070 --> 02:53.610
ومتصلين تمامًا طبقات ، واحدة للممثل وواحدة للناقد.

02:53.610 --> 02:59.910
وهاتان الطبقتان المتصلتان بالكامل سيكون لهما أوزان ، وسنضع انحرافًا معياريًا لكل مجموعة من هاتين

02:59.910 --> 03:01.620
المجموعتين من الأوزان.

03:01.620 --> 03:05.520
وما سنفعله هو أننا سنضع انحرافًا معياريًا صغيرًا للممثل.

03:05.520 --> 03:12.510
سيكون حوالي 0. 01 وانحراف معياري كبير للناقد ، والذي سيكون حول واحد ، على ما أعتقد.

03:12.510 --> 03:18.510
لهذا السبب نجعل هذه الوظيفة ، حتى نتمكن بسهولة من تحديد الانحراف المعياري للأوزان

03:18.510 --> 03:21.750
التي سنبدأها لاحقًا للممثل والناقد.

03:21.750 --> 03:23.070
لهذا السبب نقوم بذلك.

03:23.280 --> 03:29.400
لذا سنقوم الآن بتعيين قيمة افتراضية ، لكن هذا سيتغير بعد ذلك عندما نبدأ الأوزان.

03:29.400 --> 03:31.830
لذلك دعونا نختار ذلك لـ 1. 0.

03:32.070 --> 03:32.760
حسنا.

03:32.760 --> 03:36.960
والآن نحن جاهزون لتحديد ما بداخل هذه الوظيفة.

03:37.170 --> 03:41.790
إذن ما سنعده أولًا هو الناتج الذي سنقوم باستدعاؤه.

03:41.790 --> 03:45.870
لذا فإن متغير الإخراج هذا هو ما ستُعيده هذه الدالة.

03:46.140 --> 03:50.100
وهكذا أولاً ، ما سنفعله هو تهيئته.

03:50.100 --> 03:56.700
كما فهمت ، سيكون هذا الناتج موترًا للوزن سيكون له انحراف معياري محدد.

03:56.700 --> 04:01.830
لكن قبل أن نعتني بتعيين الانحراف المعياري ، نريد فقط تهيئته ثم سنقوم بتعيين

04:01.830 --> 04:06.420
الانحراف المعياري هنا ، وهو الحجة التي تمثل مدخلات هذه الوظيفة.

04:06.600 --> 04:10.590
لذلك ، في تهيئة أوزانه الحساسة ، قد تعرف كيفية القيام بذلك.

04:10.590 --> 04:11.730
لقد فعلنا ذلك بالفعل.

04:11.970 --> 04:21.390
سنستخدم مكتبة الشعلة الخاصة بنا ومن مكتبة التخزين سنأخذ وظيفة Rand M التي ستهيئ موتر

04:21.390 --> 04:27.150
الشعلة بأوزان عشوائية تتبع التوزيع الطبيعي.

04:27.330 --> 04:30.900
لهذا السبب يطلق عليه Run NW وهو طبيعي.

04:30.930 --> 04:36.240
والآن ، ما نحتاجه ببساطة هو إدخال عدد العناصر التي سيحتويها هذا الموتر.

04:36.240 --> 04:41.520
وهذا العدد من العناصر هو بالطبع عدد الأوزان لأننا نقوم بالفعل بتهيئة موتر

04:41.520 --> 04:43.050
لهذه الأوزان هنا.

04:43.080 --> 04:47.490
ومن أجل الحصول على هذا العدد من العناصر ، يمكننا ببساطة أخذ أوزاننا.

04:48.490 --> 04:53.320
وأضف نقطة للحصول على الحجم بالأقواس.

04:53.320 --> 05:00.520
وهذا سيعطي عدد العناصر في الأوزان بحيث يتم إنشاء موتر شعلة بنفس عدد العناصر لجميع

05:00.520 --> 05:06.160
الأوزان ، وسيتم تهيئته بأوزان عشوائية بعد التوزيع الطبيعي.

05:06.760 --> 05:07.240
حسنا.

05:07.240 --> 05:11.380
والآن حان الوقت لضبط الانحراف المعياري الذي نريده.

05:11.380 --> 05:13.360
هذا هو الانحراف المعياري هنا.

05:13.360 --> 05:16.720
إذن ما سنفعله الآن هو تطبيع بسيط.

05:16.720 --> 05:21.250
لدينا موتر شعلة من الأوزان والآن نريد تطبيعه.

05:21.370 --> 05:25.600
ولتطبيعه ، سنكتب ببساطة الحساب الصريح.

05:25.600 --> 05:34.930
وبالتالي ، ما علينا فعله هنا هو أخذ الناتج ، ثم تحديثه بضربه في الانحراف المعياري

05:34.930 --> 05:40.960
الذي نريد قسمة الناتج على المجموع الذي ذكرته للتو.

05:40.960 --> 05:44.830
ومن أجل الحصول على هذا المجموع ، سنستخدم دالة الجذر التربيعي بالشعلة.

05:44.830 --> 05:50.410
وهذا ما أتناوله هنا تجاه هذا الانحراف أو DT وهو دالة الجذر التربيعي.

05:50.530 --> 05:55.900
وفي الداخل سنقوم بإدخال الجذر التربيعي ، بعض أوزان المتجه.

05:55.900 --> 06:03.430
وهكذا نأخذ الناتج ، ثم نستخدم دالة القوة التي أدخلناها لأننا نريد أن نأخذ

06:03.430 --> 06:05.200
مربع المجموع.

06:05.710 --> 06:08.530
ثم نأخذ المجموع.

06:08.830 --> 06:16.060
وفي الداخل سنقوم بتحديد فهرس العمود الذي يحتوي على الوزن المطلوب جمعه.

06:16.720 --> 06:22.660
ثم الحصول على هذه الأوزان بشكل منفصل لأننا نريد جمعها جيدًا.

06:22.660 --> 06:29.350
نستخدم التوسيع على الدرجة كدالة لمخرجاتنا.

06:29.380 --> 06:29.740
حسنا.

06:29.740 --> 06:36.550
سيحصل هذا على أوزان alt ، والتي تمت تهيئتها حتى الآن كأوزان حساسة للمس.

06:36.550 --> 06:38.110
حتى تحصل على كل هذه الأوزان.

06:38.110 --> 06:43.720
نأخذ مجموع التربيع ثم نأخذ الجذر التربيعي لتطبيق التسوية.

06:43.720 --> 06:50.260
وحقيقة أن لدينا هذا الانحراف المعياري عند البسط ستضمن أنه يمكننا كتابته

06:50.260 --> 06:50.770
هنا.

06:51.790 --> 06:58.540
سيكون تباين القيم البديلة مساويًا لمربع الانحراف المعياري.

06:58.660 --> 07:05.860
ستضمن هذه الصيغة هنا أن موتر الأوزان الذي قمنا بتهيئته سيكون له تباين يساوي

07:05.860 --> 07:10.570
مربع الانحراف المعياري الذي ندخله كوسيطات.

07:10.960 --> 07:17.890
وهذه هي الطريقة التي يمكننا بها وضع انحراف معياري محدد للممثل والناقد المستقبلي الذي سنقوم به

07:17.890 --> 07:18.540
قريبًا.

07:18.550 --> 07:24.130
وسنختار انحرافًا معياريًا صغيرًا للممثل وانحرافًا كبيرًا للناقد.

07:24.130 --> 07:27.070
وسنفعل ذلك بسهولة بالغة بفضل هذه الوظيفة.

07:27.580 --> 07:28.060
حسنا.

07:28.060 --> 07:30.400
والآن لدينا شيء واحد فقط لنفعله.

07:30.400 --> 07:38.140
ترك الأمر ، بالطبع ، لإرجاع الإخراج الذي تم تطبيعه الآن مع هذا الانحراف المعياري المحدد.

07:38.770 --> 07:39.220
حسنا.

07:39.220 --> 07:40.240
مثالي جدا.

07:40.240 --> 07:42.590
هذه هي الوظيفة الأولى التي كان علينا القيام بها.

07:42.610 --> 07:47.210
هذه هي الأداة الأولى التي سنكون سعداء جدًا لاستخدامها في صنع عقل ثلاثي الأبعاد.

07:47.230 --> 07:49.180
لدينا الآن وظيفة أخرى.

07:49.210 --> 07:54.610
ستكون الأوزان في هذه الوظيفة ، وهذه مجرد وظيفة سأذكرها بتهيئة الأوزان

07:54.610 --> 07:56.980
لجعل التعلم مثاليًا.

07:57.280 --> 07:59.410
لذلك دعونا نفعل هذا في البرنامج التعليمي التالي.

07:59.410 --> 08:00.640
وحتى ذلك الحين ، استمتع.

08:00.640 --> 08:01.180
أنا.