WEBVTT

00:00.490 --> 00:02.550
Ciao e benvenuto in questo tutorial.

00:02.560 --> 00:07.550
Va bene, inizieremo con il primo dei nostri animali morali e il più importante che

00:07.630 --> 00:08.410
è confuso.

00:08.440 --> 00:09.020
Perché.

00:09.180 --> 00:14.590
E questo è in questo file che implementeremo il cervello dell'homo che conosci il cervello nel

00:14.650 --> 00:20.290
cuore dell'8: 3 Simmo che è in questo file che farà sì che la rete neurale che

00:20.290 --> 00:25.030
conterrà naturalmente qualche convoluzionale saprà quando funzionerà perché, naturalmente, stiamo ancora facendo un apprendimento

00:25.030 --> 00:25.570
approfondito.

00:25.690 --> 00:31.690
Così sono in grado di avere gli occhi e all'interno di questa rete neurale si integrerà tutto ciò che

00:31.870 --> 00:34.600
è collegato al Craigmile attivo e c'è un bonus.

00:34.630 --> 00:39.550
Come ti ho detto stiamo implementando uno dei più potenti principi morali A-3 e ciò che lo rende

00:39.550 --> 00:45.910
così potente è che conterrà un record di una nuova rete e più precisamente nella memoria a lungo termine LCN in modo che possiamo

00:45.910 --> 00:48.660
imparare le proprietà temporali di ciò che è andando avanti.

00:48.670 --> 00:54.710
Anche in questo caso, sono le proprietà temporali dell'input in modo che le previsioni possano essere ancora migliori.

00:55.270 --> 00:56.050
Quindi eccoci.

00:56.050 --> 01:01.330
molto potente che combina fondamentalmente tutte le reti neurali che abbiamo visto nel corso di approfondimento.

01:01.420 --> 01:02.590
Stiamo implementando un modello

01:02.680 --> 01:08.070
Questa è una rete neurale artificiale, una rete neurale convoluzionale e una nuova rete.

01:08.260 --> 01:13.240
E al centro di tutte queste reti c'è naturalmente il modello A-380 che renderà l'IA AI

01:13.240 --> 01:14.040
molto potente.

01:14.410 --> 01:18.300
Facciamo così, attacciamo questo modello e implementiamo.

01:18.430 --> 01:21.760
Quindi inizieremo con due funzioni.

01:21.850 --> 01:26.410
pesi e vogliamo solo fare queste due funzioni per noi in modo che abbiamo già

01:26.410 --> 01:30.460
uno strumento per integrarci molto facilmente all'interno della casa, così la rete neurale.

01:30.460 --> 01:36.740
Ci sono solo alcune funzioni che si prenderanno cura di come possiamo inizializzare i pesi perché sai che avremo alcune nuove

01:36.750 --> 01:38.090
reti e quindi avremo

01:38.290 --> 01:41.600
Quindi queste due funzioni saranno colonne normalizzate.

01:41.600 --> 01:48.730
Inizializzatore che è fondamentalmente una funzione che non solo può inizializzare alcuni pesi ma imposta una variazione specifica

01:48.730 --> 01:50.370
dei pesi del tensore.

01:50.380 --> 01:52.770
Questo è esattamente ciò che stiamo per implementare in questo momento.

01:53.020 --> 01:57.700
E poi implementeremo la seconda funzione che sarà il peso in quella funzione

01:57.700 --> 02:01.840
e che fondamentalmente inizializzerà i pesi in un tempo sufficiente per l'apprendimento.

02:01.840 --> 02:02.330
Tutto ok.

02:02.350 --> 02:08.070
E poi, quando avremo finito con queste due funzioni, inizieremo ad implementare la rete neurale.

02:08.330 --> 02:14.770
Facciamo quindi rapidamente queste due funzioni, quindi sto iniziando con una def

02:14.770 --> 02:24.420
qui, poi darò il nome di questa funzione che è normalizzata e queste colonne core sottolineano l'inizializzatore.

02:24.720 --> 02:25.550
Eccoci.

02:25.650 --> 02:28.780
E questa funzione richiederà solo due input.

02:29.010 --> 02:35.790
Per prima cosa saranno i pesi che vogliamo inizializzare e la deviazione standard perché, come ho appena detto,

02:35.790 --> 02:40.200
vogliamo impostare una varianza specifica per il nostro tensore di pesi.

02:40.230 --> 02:45.300
E se vuoi capire perché dobbiamo farlo, è perché sai quando creeremo la rete neurale che

02:45.620 --> 02:50.490
sarà l'attore e il critico secondo il passaggio di domani e faremo due livelli separati

02:50.490 --> 02:53.670
completamente collegati uno per l'attore e uno per il critico.

02:53.880 --> 02:59.970
E questi due livelli completamente collegati avranno pesi e imposteremo una deviazione standard per ciascuno di

02:59.970 --> 03:01.810
questi due gruppi di pesi.

03:01.860 --> 03:05.650
E quindi quello che faremo sarà impostare una piccola deviazione standard per l'attore.

03:05.700 --> 03:12.570
Sarà intorno a 0. 01 e una grande deviazione standard per il critico che sarà intorno a 1 credo.

03:12.750 --> 03:18.690
possiamo facilmente impostare la deviazione standard per i pesi che inizializzeremo in seguito per l'attore e il craic.

03:18.690 --> 03:21.900
Ecco perché stiamo facendo questa funzione in modo che

03:21.930 --> 03:23.560
Ecco perché lo stiamo facendo.

03:23.560 --> 03:28.860
Quindi ora imposteremo un valore predefinito, ma questo cambierà in seguito quando inizializzeremo

03:28.860 --> 03:29.500
i pesi.

03:29.520 --> 03:32.100
Quindi usiamolo per 1. 0.

03:32.240 --> 03:32.920
Tutto ok.

03:33.000 --> 03:37.340
E ora siamo pronti a definire cosa c'è dentro questa funzione.

03:37.410 --> 03:41.960
Quindi quello che preparerà per primo è l'output che chiameremo.

03:42.000 --> 03:46.310
Quindi questo per tutti è ciò che verrà restituito da questa funzione.

03:46.380 --> 03:50.210
E così in un primo momento quello che faremo è questo.

03:50.330 --> 03:56.750
Quindi, come hai capito, questa uscita sarà un tensore di pesi che avrà una deviazione standard specifica.

03:56.850 --> 04:01.970
Ma prima di occuparci dell'impostazione della deviazione standard, vogliamo solo inizializzarla e quindi imposteremo

04:02.010 --> 04:06.550
qui la deviazione standard che è l'argomento che è l'input di questa funzione.

04:06.870 --> 04:10.670
Quindi, per inizializzare i pesi del tensore, potresti sapere come farlo.

04:10.680 --> 04:12.150
L'abbiamo già fatto.

04:12.180 --> 04:20.250
round e la funzione che inizializzerà la risposta incendiata con pesi casuali che seguono una distribuzione normale.

04:21.180 --> 04:27.540
Useremo la nostra libreria di torche e da questa libreria di torche prenderemo il

04:27.540 --> 04:29.630
Ecco perché è chiamato Rant.

04:29.820 --> 04:31.100
E per quanto riguarda il normale.

04:31.230 --> 04:36.380
E così ora quello che dobbiamo semplicemente inserire è il numero di elementi che la distensione conterrà.

04:36.510 --> 04:41.510
E questo numero di elementi è ovviamente il numero di pesi perché in realtà stavamo inizializzando un

04:41.500 --> 04:43.140
tensore per questi pesi qui.

04:43.350 --> 04:53.410
E così per ottenere questo numero di elementi possiamo semplicemente prendere i nostri pesi e aggiungere punti per ottenere dimensioni con parentesi.

04:53.410 --> 05:00.280
stesso numero di elementi dei nostri pesi e sarà inizializzato con pesi casuali seguendo una distribuzione normale.

05:00.280 --> 05:05.320
E questo darà il numero di elementi e pesi in modo che crei

05:05.320 --> 05:06.860
il tensore torcia dello

05:06.860 --> 05:07.330
Tutto ok.

05:07.360 --> 05:13.390
E ora è il momento di impostare la deviazione standard che vogliamo avere che è la deviazione standard qui.

05:13.510 --> 05:16.960
Quindi faremo ora una semplice normalizzazione.

05:16.960 --> 05:21.400
Abbiamo un senso dei pesi torturato e ora vogliamo normalizzarlo.

05:21.600 --> 05:25.810
E così per normalizzare semplicemente scriverà il calcolo esplicito.

05:25.840 --> 05:34.960
e quindi aggiornarlo moltiplicandolo per la deviazione standard che vogliamo dividere per la somma che ho appena menzionato.

05:34.960 --> 05:41.140
E quindi quello che dobbiamo semplicemente fare qui è prendere il nostro output

05:41.140 --> 05:44.960
E quindi per ottenere la somma useremo la funzione radice quadrata con la torcia.

05:45.010 --> 05:48.700
E così è quando viene preso qui che è q r t.

05:48.820 --> 05:50.710
Questa è la funzione radice quadrata.

05:50.830 --> 05:55.980
E all'interno inseriremo il quadrato di alcuni pesi di un vettore.

05:56.160 --> 05:58.000
E così prendiamo le nostre uscite.

05:58.210 --> 06:06.040
Quindi usiamo la funzione di potenza a cui inseriamo perché vogliamo prendere il quadrato della somma

06:06.040 --> 06:08.950
e quindi prendiamo quindi il sole.

06:09.000 --> 06:15.300
E all'interno stiamo andando a specificare l'indice del cono che contiene il peso.

06:15.310 --> 06:23.990
Volete alcuni e poi ottenere questi pesi separatamente perché volete sommarli bene di solito

06:24.490 --> 06:29.440
espandiamo la scuola in funzione del nostro output.

06:29.470 --> 06:29.820
Tutto ok.

06:29.820 --> 06:37.280
Quindi questo otterrà i pesi fuori che finora sono stati inizializzati come una sorta di pesi Torchin che ottiene

06:37.340 --> 06:38.320
tutti questi pesi.

06:38.330 --> 06:43.850
Prendiamo la somma del quadrato e quindi prendiamo la radice quadrata per applicare la normalizzazione.

06:44.030 --> 06:50.230
fatto che abbiamo questa deviazione standard al numeratore ci assicureremo di poterlo scrivere qui.

06:50.230 --> 06:50.900
E il

06:51.960 --> 06:58.890
Le varianti saranno pari al quadrato della deviazione standard.

06:58.890 --> 07:05.940
Questa formula qui farà in modo che questo tensore di pesi che abbiamo inizializzato avrà una varianza

07:06.030 --> 07:10.860
che sarà uguale al quadrato della deviazione standard che poniamo come argomenti.

07:11.190 --> 07:17.940
Ed è così che possiamo impostare una deviazione standard specifica per il futuro in realtà e un critico

07:17.940 --> 07:24.150
che farò presto e sceglieremo una piccola deviazione standard per l'attore e una più grande per il

07:24.340 --> 07:27.780
critico e lo faremo molto facilmente da questa funzione.

07:27.780 --> 07:28.150
Tutto ok.

07:28.170 --> 07:31.120
E così ora abbiamo solo una cosa da fare.

07:31.200 --> 07:38.940
Ovviamente è necessario restituire l'output che è ora normalizzato con questa deviazione standard specifica.

07:38.940 --> 07:40.340
Va bene così perfetto.

07:40.350 --> 07:42.680
Questa è la prima funzione che dovevamo fare.

07:42.870 --> 07:46.220
Questo è il primo strumento che saremo molto felici di usare stasera.

07:46.250 --> 07:47.290
Cervello marino H-3.

07:47.370 --> 07:49.250
Abbiamo un'altra funzione da fare ora.

07:49.350 --> 07:51.130
Sarà la funzione del peso.

07:51.360 --> 07:57.160
E questa è solo una funzione che ricorderà di inizializzare i pesi per rendere l'apprendimento ottimale.

07:57.570 --> 08:01.110
Quindi facciamolo nel prossimo tutorial e fino a quel momento.