WEBVTT 00:00.490 --> 00:02.550 Bonjour et bienvenue dans ce tutoriel. 00:02.560 --> 00:07.550 Très bien, nous allons commencer par le premier membre de notre moral et le plus important oiseau qui 00:07.630 --> 00:08.410 soit confus. 00:08.440 --> 00:09.020 Pourquoi. 00:09.180 --> 00:14.590 Et c'est dans ce fichier que nous allons implémenter le cerveau de l'homo que vous connaissez. Le cerveau au 00:14.650 --> 00:20.290 cœur du Simmo 8: 3 qui figure dans ce fichier créera le réseau de neurones qui contiendra bien sûr 00:20.290 --> 00:25.030 une certaine connotation quand cela fonctionnera. parce que, bien sûr, nous continuons d’apprendre par renforcement en 00:25.030 --> 00:25.570 profondeur. 00:25.690 --> 00:31.690 Ainsi, nous pouvons avoir des yeux et au sein de ce réseau de neurones intégrer tout ce qui est lié 00:31.870 --> 00:34.600 au Craigmile actif et il y a un bonus. 00:34.630 --> 00:39.550 Comme je vous l’ai dit, nous mettons en œuvre l’une des plus puissantes morales de l’A-3. Ce qui le 00:39.550 --> 00:45.910 rend aussi puissant, c’est qu’il contiendra un enregistrement d’un nouveau réseau et plus précisément dans la mémoire à long terme de LCN afin que nous 00:45.910 --> 00:48.660 puissions connaître les propriétés temporelles de ce qui est. passe. 00:48.670 --> 00:54.710 Encore une fois, ce sont en fait les propriétés temporelles de l’entrée afin que les prédictions puissent être encore meilleures. 00:55.270 --> 00:56.050 Alors on y va. 00:56.050 --> 01:01.330 Nous mettons en place un modèle très puissant combinant à la base tous les réseaux de neurones que nous avons vus 01:01.420 --> 01:02.590 dans le cours d’approfondissement. 01:02.680 --> 01:08.070 C’est un réseau neuronal artificiel, un réseau neuronal convolutionnel et un nouveau réseau record. 01:08.260 --> 01:13.240 Et au cœur de tous ces réseaux, il y a bien sûr le modèle A-380 qui rendra l’IA AI 01:13.240 --> 01:14.040 très puissante. 01:14.410 --> 01:18.300 Alors faisons ceci attaquons ce modèle et implémenté. 01:18.430 --> 01:21.760 Nous allons donc commencer par créer deux fonctions. 01:21.850 --> 01:26.410 Il y a juste quelques fonctions qui vont nous aider à initialiser les poids car vous savez 01:26.410 --> 01:30.460 que nous allons avoir de nouveaux réseaux et donc nous allons avoir des poids et 01:30.460 --> 01:36.740 nous voulons juste faire ces deux fonctions pour nous afin que nous disposons déjà d'un outil pour intégrer très facilement l'intérieur de la maison 01:36.750 --> 01:38.090 au réseau de neurones. 01:38.290 --> 01:41.600 Donc, ces deux fonctions vont être des colonnes normalisées. 01:41.600 --> 01:48.730 Initialiser est une fonction qui peut non seulement initialiser des poids, mais également définir une variance spécifique des 01:48.730 --> 01:50.370 poids du tenseur. 01:50.380 --> 01:52.770 C'est donc exactement ce que nous sommes sur le point de mettre en œuvre maintenant. 01:53.020 --> 01:57.700 Et ensuite, nous mettrons en œuvre la deuxième fonction qui sera les poids dans cette 01:57.700 --> 02:01.840 fonction et qui initialisera les poids dans suffisamment de temps pour l'apprentissage. 02:01.840 --> 02:02.330 D'accord. 02:02.350 --> 02:08.070 Et ensuite, une fois ces deux fonctions terminées, nous commencerons à mettre en œuvre le réseau de neurones. 02:08.330 --> 02:14.770 Faisons donc rapidement ces deux fonctions donc je commence par un def 02:14.770 --> 02:24.420 ici, puis je vais donner le nom de cette fonction qui est normalisée et ces colonnes de base soulignent l’initialisation. 02:24.720 --> 02:25.550 Nous y voilà. 02:25.650 --> 02:28.780 Et cette fonction ne prendra que deux entrées. 02:29.010 --> 02:35.790 Il s’agit d’abord des poids que nous voulons initialiser et de l’écart type car, comme je viens de le 02:35.790 --> 02:40.200 dire, nous voulons définir une variance spécifique pour notre tenseur de poids. 02:40.230 --> 02:45.300 Et si vous voulez comprendre pourquoi nous devons le faire, c’est parce que vous savez, lorsque nous créons le 02:45.620 --> 02:50.490 réseau de neurones, qui sera l’acteur et le critique selon l’avenir et nous créerons deux couches distinctes et totalement 02:50.490 --> 02:53.670 connectées, l’une pour l’acteur et la seconde. un pour le critique. 02:53.880 --> 02:59.970 Et ces deux couches entièrement connectées auront des poids et nous établirons un écart-type pour chacun de 02:59.970 --> 03:01.810 ces deux groupes de poids. 03:01.860 --> 03:05.650 Nous allons donc définir un petit écart type pour l'acteur. 03:05.700 --> 03:12.570 Ce sera autour de 0. 01 et un écart type important pour le critique qui sera autour de 1 je pense. 03:12.750 --> 03:18.690 C’est pourquoi nous avons créé cette fonction pour pouvoir définir très facilement l’écart-type des poids que nous 03:18.690 --> 03:21.900 initialiserons plus tard pour l’acteur et le craic. 03:21.930 --> 03:23.560 C'est pourquoi nous faisons cela. 03:23.560 --> 03:28.860 Nous allons donc maintenant définir une valeur par défaut, mais celle-ci changera par la suite lorsque nous initialiserons 03:28.860 --> 03:29.500 les poids. 03:29.520 --> 03:32.100 Alors, utilisons donc pour 1. 0. 03:32.240 --> 03:32.920 D'accord. 03:33.000 --> 03:37.340 Et maintenant, nous sommes prêts à définir le contenu de cette fonction. 03:37.410 --> 03:41.960 Donc, ce que nous allons préparer en premier lieu, ce sont les résultats que nous allons appeler. 03:42.000 --> 03:46.310 Donc, ceci est pour tout ce qui sera retourné par cette fonction. 03:46.380 --> 03:50.210 Et donc au début, nous allons le faire. 03:50.330 --> 03:56.750 Donc, comme vous l'avez compris, cette sortie sera un tenseur de poids qui aura un écart-type spécifique. 03:56.850 --> 04:01.970 Mais avant de régler l’écart type, nous voulons simplement l’initialiser, puis nous allons définir 04:02.010 --> 04:06.550 l’écart type ici, qui est l’argument qui est l’entrée de cette fonction. 04:06.870 --> 04:10.670 Donc, pour initialiser les poids du tenseur, vous savez peut-être comment le faire. 04:10.680 --> 04:12.150 Nous l'avons déjà fait. 04:12.180 --> 04:20.250 Nous allons utiliser notre bibliothèque de flambeaux. À partir de cette bibliothèque de flambeaux, nous allons faire le tour et la 04:21.180 --> 04:27.540 fonction qui initialisera la réponse incendiée avec des poids aléatoires qui suivent une distribution normale. 04:27.540 --> 04:29.630 Donc c'est pourquoi on appelle ça la diatribe. 04:29.820 --> 04:31.100 Et comme pour la normale. 04:31.230 --> 04:36.380 Et maintenant, nous devons simplement entrer le nombre d'éléments que contiendra distention. 04:36.510 --> 04:41.510 Et ce nombre d'éléments est bien sûr le nombre de poids parce que nous étions en train d'initialiser un 04:41.500 --> 04:43.140 tenseur pour ces poids ici. 04:43.350 --> 04:53.410 Et donc pour obtenir ce nombre d'éléments, nous pouvons simplement prendre nos poids et ajouter un point pour obtenir la taille avec des parenthèses. 04:53.410 --> 05:00.280 Et cela donnera le nombre d'éléments et de poids de manière à créer le tenseur de torche du même 05:00.280 --> 05:05.320 nombre d'éléments de nos poids et il sera initialisé avec des poids aléatoires suivant 05:05.320 --> 05:06.860 une distribution normale. 05:06.860 --> 05:07.330 D'accord. 05:07.360 --> 05:13.390 Et maintenant, il est temps de définir l’écart type que nous voulons avoir, c’est l’écart type ici. 05:13.510 --> 05:16.960 Nous allons donc faire maintenant est une simple normalisation. 05:16.960 --> 05:21.400 Nous avons un sens torturé des poids et nous voulons maintenant le normaliser. 05:21.600 --> 05:25.810 Et ainsi, pour normaliser, il écrira simplement le calcul explicite. 05:25.840 --> 05:34.960 Nous devons donc simplement prendre notre sortie, puis la mettre à jour en la multipliant par l’écart type 05:34.960 --> 05:41.140 que nous voulons diviser par la somme que je viens de mentionner. 05:41.140 --> 05:44.960 Et donc pour obtenir la somme, nous allons utiliser la fonction racine carrée par torche. 05:45.010 --> 05:48.700 Et c'est donc quand pris ici torche qui s q r t. 05:48.820 --> 05:50.710 C'est la fonction racine carrée. 05:50.830 --> 05:55.980 Et à l'intérieur, nous allons entrer dans le carré certains des poids d'un vecteur. 05:56.160 --> 05:58.000 Et donc nous prenons nos sorties. 05:58.210 --> 06:06.040 Ensuite, nous utilisons la fonction de puissance à laquelle nous entrons car nous voulons prendre le carré de la somme 06:06.040 --> 06:08.950 et ensuite nous prenons donc le soleil. 06:09.000 --> 06:15.300 Et à l'intérieur, nous allons spécifier l'indice du cône qui contient le poids. 06:15.310 --> 06:23.990 Vous voulez obtenir ces poids, puis les séparer parce que vous voulez bien les résumer, nous 06:24.490 --> 06:29.440 développons généralement l’école en fonction de nos résultats. 06:29.470 --> 06:29.820 D'accord. 06:29.820 --> 06:37.280 Donc, cela aura les poids qui, jusqu'ici, ont été initialisés comme une sorte de poids Torchin qui obtient tous 06:37.340 --> 06:38.320 ces poids. 06:38.330 --> 06:43.850 Nous prenons la somme des carrés puis nous prenons la racine carrée pour appliquer la normalisation. 06:44.030 --> 06:50.230 Et comme nous avons cet écart type au numérateur, nous nous assurerons de pouvoir l'écrire 06:50.230 --> 06:50.900 ici. 06:51.960 --> 06:58.890 Les variantes out seront égales au carré de l'écart type. 06:58.890 --> 07:05.940 Cette formule garantira ici que la variance de ce tenseur de poids initialisé sera égale au 07:06.030 --> 07:10.860 carré de l’écart type que nous avons défini comme arguments. 07:11.190 --> 07:17.940 Et c’est ainsi que nous pouvons définir un écart-type spécifique pour le futur et une critique qui fera 07:17.940 --> 07:24.150 bientôt. Nous choisirons un petit écart-type pour l’acteur et un écart plus important pour le critique. 07:24.340 --> 07:27.780 Nous le ferons très facilement depuis cette fonction. 07:27.780 --> 07:28.150 D'accord. 07:28.170 --> 07:31.120 Et maintenant, il ne nous reste plus qu’une chose à faire. 07:31.200 --> 07:38.940 Il est bien sûr de renvoyer la sortie qui est maintenant normalisée avec cet écart type spécifique. 07:38.940 --> 07:40.340 Très bien si parfait. 07:40.350 --> 07:42.680 C'est la première fonction que nous devions faire. 07:42.870 --> 07:46.220 C'est le premier outil que nous serons très heureux d'utiliser ce soir. 07:46.250 --> 07:47.290 Cerveau marin H-3. 07:47.370 --> 07:49.250 Nous avons encore une fonction à faire maintenant. 07:49.350 --> 07:51.130 Ça va être la fonction de poids. 07:51.360 --> 07:57.160 Et ce n'est qu'une fonction qui rappellera d'initialiser les poids pour rendre l'apprentissage optimal. 07:57.570 --> 08:01.110 Alors faisons cela dans le prochain tutoriel et jusque-là I.