WEBVTT 00:00.300 --> 00:02.610 أهلا ومرحبا بكم في هذا البرنامج التعليمي. 00:02.640 --> 00:08.790 سنقوم الآن بعمل هذه الوظيفة الثانية لتهيئة الأوزان ، وسيتم استخدام هذه للحصول 00:08.820 --> 00:12.510 على التعلم الأمثل لهذه الأوزان في الواقع. 00:12.990 --> 00:17.130 إذن ، الوظيفة الثانية ، سنسميها أوزانًا. 00:17.990 --> 00:19.490 والنتيجة فيه. 00:19.730 --> 00:25.920 وسيأخذ نهاية الكائن كحجة ، والذي سيمثل الشبكة العصبية. 00:25.940 --> 00:26.930 هذا كل شئ. 00:26.930 --> 00:28.370 ثم القولون. 00:28.370 --> 00:32.210 والآن دعنا ندخل داخل الدالة لتحديد ما نريد القيام به. 00:32.300 --> 00:38.420 لذلك ، ما أردنا فعله هو تهيئة أوزان الشبكة العصبية بطريقة نحصل عليها من 00:38.420 --> 00:39.830 التعلم الأمثل. 00:39.830 --> 00:43.460 لذلك لن يبدو هذا بديهيًا بشكل خاص. 00:43.460 --> 00:46.520 هذا يعتمد على الأوراق البحثية والتجارب. 00:46.520 --> 00:52.370 سنقوم بتهيئة الأوزان بطريقة معينة لم نرها من قبل ، لكن صدقوني ، ستعمل 00:52.370 --> 00:54.560 على تحسين عملية التعلم. 00:54.650 --> 01:00.680 لذلك سنقوم بتنفيذه دون الخوض في تفاصيل سبب تهيئتنا للأوزان بهذه الطريقة. 01:00.680 --> 01:06.470 ولذا سنبدأ باستخدام خدعة سيتم استخدامها لاحقًا للتمييز بين 01:06.470 --> 01:09.440 الالتواء والاتصال الكامل. 01:09.440 --> 01:14.390 لأنه ، كما تعلم ، تذكر ، سيكون لأعيننا عيون وبالتالي سيكون لها بعض الطبقات 01:14.390 --> 01:20.480 التلافيفية وبالطبع سيكون لها أيضًا بعض الطبقات المتصلة بالكامل وسيكون لدينا تهيئة مختلفة 01:20.480 --> 01:23.450 للأوزان لهذين النوعين من الاتصالات. 01:23.540 --> 01:28.640 لذلك سنستخدم هذه الحيلة لفصل هذين النوعين من الاتصالات ومن ثم سنستخدم 01:28.640 --> 01:33.650 بعض شروط if للحصول على تهيئة مختلفة لكل من هذه الاتصالات. 01:33.950 --> 01:40.310 إذن هذه الحيلة هي إنشاء متغير جديد نسميه اسم الفئة والذي سيكون 01:40.310 --> 01:42.620 مساويًا لـ M الكائن. 01:42.620 --> 01:45.740 إذن M يمثل الشبكة العصبية ، لكنه كائن. 01:45.740 --> 01:52.190 سنرى ذلك لاحقًا وسنحصل على السمة الخاصة من هذا الكائن ، والتي ستكون اسم فئة مع 01:52.190 --> 02:00.260 شرطة سفلية مزدوجة ، ودرجة أولى ، ونقطة شرطة سفلية مزدوجة ، وشرطة سفلية مزدوجة مرة أخرى ، وهناك تقريبًا 02:00.260 --> 02:02.960 ، مزدوج آخر في النتيجة. 02:03.080 --> 02:09.500 هذه خدعة قبيحة جدًا للبحث عن نوع اتصال كائن شبكتنا الجديد. 02:09.500 --> 02:11.960 لكن هذا سيعطينا بالضبط ما نريده. 02:11.990 --> 02:15.260 سترى أنه سيكون منطقيًا عندما نبدأ شروط if. 02:15.260 --> 02:19.430 وبالمناسبة ، بالحديث عن الظروف ، يمكننا أن نبدأها الآن. 02:19.430 --> 02:26.060 ولذا فإن ما سنفعله الآن هو أن نبدأ الشرط الأول ، والذي سيصلنا إلى الحالة الأولى. 02:26.060 --> 02:29.150 هذا إذا كان الاتصال هو التفاف. 02:29.330 --> 02:33.380 ولكي نكتب هذا الشرط نكتب إذا كان اسم الصنف. 02:34.370 --> 02:35.440 لكن بخير. 02:35.450 --> 02:45.560 هنا نستخدم طريقة ، الطريقة الجيدة تجدها وداخلها نقوم بإدخال علامات الاقتباس من أجل الالتفاف ، وبالتالي 02:45.560 --> 02:52.820 إذا كان اسم الفئة dot find conf ، فسنقوم بعمل مختلف عن ناقص واحد. 02:52.820 --> 02:57.680 هذا في الواقع إذا كان لدينا التفاف لأن ناقص واحد يعني لا. 02:58.010 --> 03:02.870 حسنًا ، في هذه الحالة سنفعل تهيئة خاصة للأوزان. 03:03.200 --> 03:07.220 هذا الشرط هنا يعني إذا كان لدينا اتصال التفاف. 03:07.550 --> 03:13.790 في هذه الحالة ، ما نقوم به هو تشغيل هذه التهيئة المحددة للأوزان التي نريد القيام بها. 03:13.790 --> 03:17.790 وهذا هو المكان الذي ستأتي فيه كل الأشياء غير البديهية. 03:17.810 --> 03:23.390 سنبدأ بإنشاء متغير نسميه الوزن وشكل المرافقة. 03:23.940 --> 03:30.210 لذا سيكون الوزن في شكل الدورة هذا عبارة عن قائمة تحتوي أساسًا على شكل الوزن في شبكتنا 03:30.210 --> 03:31.020 العصبية. 03:31.020 --> 03:35.430 ولذا سنستخدم وظيفة القائمة لإنشاء قائمة. 03:36.000 --> 03:43.410 وفي الداخل سنقوم بإدخال m وزن نقطة الشبكة العصبية ، والذي سيكون وزن الشبكة العصبية. 03:43.410 --> 03:45.990 لكن في اتصال الالتواء. 03:46.290 --> 03:55.590 وللحصول على شكل هذه الأوزان ، نستخدم سمة أخرى وهي البيانات النقطية ومن ثم الحجم سيوفر لنا شكل 03:55.590 --> 03:59.100 هذه الأوزان في اتصال الالتفاف. 03:59.490 --> 04:06.540 الآن يحتوي شكل الوزن في قائمة على شكل الأوزان ووصلات الالتفاف لشبكتنا العصبية 04:06.540 --> 04:07.560 و. 04:08.330 --> 04:08.660 حسنا. 04:08.660 --> 04:14.870 إذن لدينا شكل رائع لتهيئة أوزان اتصال الالتفاف هذا ، سنحتاج 04:14.870 --> 04:16.430 إلى قيمتين. 04:16.430 --> 04:22.790 الأول هو ناتج البعد الأول بالبعد الثاني ، بالبعد الثالث. 04:22.790 --> 04:24.410 هذا ما سنحصل عليه الآن. 04:24.620 --> 04:30.290 وبعد ذلك سنحتاج أيضًا إلى الحصول على البعد الأصفار مضروبًا في البعد الثاني ، وضربًا 04:30.290 --> 04:35.390 في البعد الثالث ، ثم سنستخدم هاتين القيمتين في حساب كيفية تهيئة الأوزان. 04:35.390 --> 04:37.850 فلننقل هذه إلى هذا المنتج الأول. 04:37.850 --> 04:44.030 نسميها مروحة ، وسيكون هذا مساويًا للمنتج. 04:44.030 --> 04:48.980 وسنستخدم دالة prod ، وهي دالة بواسطة numpy ، والتي لها الاختصار. 04:48.980 --> 04:56.560 NP لذا np هذا المنتج وداخل المنتج نقوم بإدخال ما نريد إنتاجه. 04:56.930 --> 05:02.600 وكما قلنا ، هذا هو الأبعاد واحد واثنين وثلاثة من شكل الوزن. 05:02.600 --> 05:06.110 ولكي نحصل على هذا ، يمكننا أن نأخذ شكل وزننا. 05:06.980 --> 05:10.300 واحصل على فهارس هذه الأبعاد الثلاثة. 05:10.310 --> 05:18.770 ولذا قلنا أن البعد الأول حتى البعد الثالث متضمن ، لذلك حتى البعد الرابع مستبعد. 05:18.770 --> 05:23.990 وهذه هي الطريقة التي يمكننا بها الحصول عليها لأن الحد الأعلى هنا غير مدرج. 05:24.110 --> 05:26.300 هذا هو بالضبط ما نريده بعد ذلك. 05:26.300 --> 05:28.880 نفس الشيء بالنسبة للمشجعين. 05:30.660 --> 05:38.160 كما قلنا ، سيكون الإخراج ناتجًا عن البعد ، صفر في البعد ، مرتين في البعد 05:38.160 --> 05:39.330 الثالث. 05:39.510 --> 05:45.480 وهنا يمكننا الحصول على الفهرس من اثنين متضمنًا إلى أربعة مستبعد. 05:45.480 --> 05:52.140 وبذلك نحصل على حاصل ضرب البعدين الثاني والثالث ، وبعد ذلك يمكننا ضربه في 05:52.140 --> 05:58.710 البعد صفر ، والذي يمكننا الوصول إليه باستخدام شكل الوزن صفر لمؤشر صفر. 05:59.010 --> 06:09.180 باختصار ، هذا خافت مرة واحدة ، خافت مرتين ، خافت ثلاثة و. 06:09.950 --> 06:11.660 أقل بقليل لدينا. 06:13.120 --> 06:14.170 جيم صفر. 06:14.880 --> 06:20.010 الأوقات خافتة لتعتيم ثلاث مرات من طريقنا ، شكلنا ، قائمة الأوزان. 06:20.100 --> 06:25.500 حسنًا ، سنستخدم الآن هاتين القيمتين ، fan in and fan out للمتابعة إلى 06:25.680 --> 06:32.640 التهيئة ، لأننا سنحسب قيمة جديدة سنسميها W منضم والتي ستكون مساوية لـ الجذر التربيعي الذي 06:32.640 --> 06:40.620 يمكننا الحصول عليه من خلال الوظيفة و p منها بواسطة هذا البرنامج النصي تمامًا كما كان من قبل. 06:40.620 --> 06:52.230 حسنًا ، الجذر التربيعي لستة مقسومًا على المروحة وزائدًا انبثقه ، لذا نبدأ بالمروحة في موجب المروحة هناك. 06:52.590 --> 06:57.870 لذا يمثل الحد W هذا بطريقة ما حجم الأوزان المؤقتة. 06:57.990 --> 06:59.520 ولماذا حصلنا على هذا؟ 06:59.520 --> 07:06.240 ذلك لأن ما نحن بصدد القيام به الآن هو أننا نريد إنشاء بعض الأوزان العشوائية 07:06.240 --> 07:11.850 التي تتناسب عكسياً مع حجم موتر الأوزان ، لأن ما نحن بصدد القيام 07:11.850 --> 07:15.090 به الآن هو أخذ شبكتنا الجديدة ، M . 07:16.030 --> 07:18.040 ثم يحصل على وزنه. 07:18.370 --> 07:22.240 لذلك من خلال الاستمرار في أخذ وزن السمة ، ثم الزيادة. 07:22.270 --> 07:25.240 البيانات هي المستشعر نفسه. 07:25.910 --> 07:33.290 ومن ثم من موتر الأوزان هذا ، سنقوم بتوليد بعض الأوزان العشوائية التي تتناسب 07:33.290 --> 07:36.290 عكسياً مع حجم موتر الأوزان. 07:36.960 --> 07:45.000 وبالتالي في هذه الدالة المنتظمة ، يتعين علينا الآن إدخال نطاق سفلي والذي سيكون سالب حد W والحد 07:45.180 --> 07:48.570 الأعلى ، والذي سيكون زائد حدود W. 07:49.980 --> 07:52.320 هذا من أجل الأوزان. 07:52.320 --> 07:57.380 والآن نحتاج إلى تهيئة التحيز والأخبار الجيدة للانحياز. 07:57.390 --> 07:58.910 سيكون الأمر أكثر بساطة. 07:58.920 --> 08:02.130 سنقوم بتهيئة كل منهم بالأصفار. 08:02.840 --> 08:07.150 للحصول على هذه السير ، نأخذها من نموذجنا. 08:07.160 --> 08:09.320 بالطبع ، هذه هي شبكتنا العصبية. 08:09.650 --> 08:13.340 ومن ثم فإن سمة التحيز هي التحيز. 08:13.670 --> 08:21.710 ثم نحن موجودون في البيانات ومن ثم سنستخدم طريقة هي طريقة ملء النتيجة ، والتي ، كما 08:21.710 --> 08:26.990 قد تكون خمنت ، تُستخدم لملء موتر التحيز بالأصفار. 08:27.080 --> 08:31.310 حسنًا ، بالأصفار ، علينا تحديد أننا نريد ملئها بالأصفار هنا. 08:31.430 --> 08:33.380 وهذا هو سبب مشاركتي هنا. 08:33.380 --> 08:33.980 صفر. 08:34.370 --> 08:34.760 حسنا. 08:34.760 --> 08:41.060 للتلخيص ، قمنا بتوليد بعض الأوزان العشوائية التي تتناسب عكسياً مع حجم أوزان الموتر ، ونقوم بتهيئة 08:41.060 --> 08:43.400 التحيز باستخدام الأصفار. 08:43.670 --> 08:44.030 حسنا. 08:44.030 --> 08:49.430 لذلك كان هذا لتهيئة اتصالات الالتفاف. 08:49.550 --> 08:52.700 والآن علينا أن نفعل الشيء نفسه بالنسبة للاتصال الكامل. 08:53.060 --> 09:00.320 ولذا سنضيف شرطًا جديدًا ، إليف ، قائلاً ، إننا نأخذ هذه الحيلة ، نستخدم اسم الفئة الأولى 09:00.320 --> 09:04.910 ، هذا المتغير الذي يحتوي على أسماء مختلفة للوصلات. 09:04.910 --> 09:09.230 لذلك إذا كان اسم الفئة هو نفسه ، فإننا نستخدم طريقة محددة. 09:10.170 --> 09:17.490 التي وضعنا اقتباسات لها هذه المرة اتصال كامل عبارة عن اتصال خطي كلاسيكي وشبكة عصبية اصطناعية 09:17.490 --> 09:18.900 كلاسيكية. 09:19.140 --> 09:26.970 ولذا فإن اسم ذلك خطي ويقول ، سنستخدم هذه الحيلة لنقول إننا نريدها أن 09:26.970 --> 09:30.060 تكون مختلفة عن ناقص واحد. 09:31.010 --> 09:38.840 إذن هذه نهاية الفئة تسعة خطية دقيقة ، مختلفة وناقص واحد تعني إذا كان الاتصال خطيًا ، أي إذا كان لدينا 09:38.840 --> 09:40.940 اتصال كامل كلاسيكي. 09:41.090 --> 09:44.480 إذن في هذه الحالة ، كيف سنقوم بتهيئة الأوزان؟ 09:44.570 --> 09:47.090 حسنًا ، سيكون الأمر متشابهًا تمامًا. 09:47.090 --> 09:53.630 سنقدم متغيرًا لشكل الوزن والذي لن يمحو المتغير الأول لأننا إما سنكون في هذه الحالة 09:53.630 --> 09:55.460 أو تلك الحالة. 09:55.460 --> 09:57.020 لذلك لن تكون هي نفسها. 09:57.020 --> 09:59.210 حتى نتمكن من إعادة استخدام ذلك تمامًا. 09:59.690 --> 10:01.250 ثم نفس الشيء. 10:01.250 --> 10:08.240 سنقدم مروحة في متغير ، والتي لن تساوي هذه المرة حاصل ضرب هذه الأبعاد 10:08.240 --> 10:09.470 الثلاثة. 10:09.470 --> 10:13.580 لكن في الواقع هذه المرة سوف تساوي ببساطة. 10:15.200 --> 10:16.940 هل ذكرت واحدة؟ 10:17.120 --> 10:23.510 وذلك لأنه بالنسبة للاتصال الكامل ، هناك عدد أقل من التوصيلات الموجودة في اتصال الالتفاف. 10:23.660 --> 10:28.250 كما تعلم ، لقد رأيت هذا في محاضرات الحدس في قسم N و CNN. 10:28.280 --> 10:32.120 هناك بُعد أقل للاتصال الكامل مقارنة بالالتواء. 10:32.360 --> 10:39.530 لذلك ، في الأساس ، نأخذ هذا البعد واحدًا هنا ، ثم نقول إننا سنحصل على متغير منتشر والذي 10:39.530 --> 10:42.710 سيستخدم بعد ذلك لحساب w الحد. 10:43.010 --> 10:49.730 وسيكون هذا البعد هو شكل الوزن لمؤشر الصفر. 10:49.730 --> 10:51.290 هذا هو البعد صفر. 10:51.320 --> 10:55.010 حسنًا ، ثم لحساب w ، ستكون هي نفسها. 10:55.310 --> 11:01.430 سيكون الجذر التربيعي لستة مقسومًا على مجموع التهوية والانتشار. 11:01.580 --> 11:04.460 لذا ها نحن ذا. 11:04.640 --> 11:09.590 ومن ثم فإن الخبر السار هو أنه تمامًا كما كان سابقًا. 11:09.950 --> 11:18.410 استخدمنا دالة موحدة للأوزان ووظيفة التعبئة للتحيز للحصول على نفس النوع من 11:18.410 --> 11:19.550 التهيئة. 11:19.760 --> 11:24.250 ولكن هذه المرة مع مروحة مختلفة في الداخل وتهوية وبالتالي حدود مختلفة. 11:24.260 --> 11:26.060 إذن هذا هو نفس المبدأ. 11:26.060 --> 11:27.260 هذه نفس الفكرة. 11:27.290 --> 11:32.690 الشيء الوحيد الذي يتغير هنا هو أن لدينا أبعادًا أقل للاتصال الكامل وبالتالي 11:32.690 --> 11:38.180 حسابًا أكثر بساطة لحد الأوزان هنا لتوليد هذه الأوزان العشوائية. 11:39.070 --> 11:42.080 لكن الخبر السار هو أنه جاهز الآن. 11:42.100 --> 11:48.850 ليس هذا فقط في انتظار أن تكون الوظيفة جاهزة ، ولكن الآن لدينا أداتين لدينا ولذا فنحن مستعدون لبدء 11:48.850 --> 11:50.010 بناء الدماغ. 11:50.020 --> 11:51.140 لذلك لا استطيع الانتظار. 11:51.160 --> 11:53.310 سيكون هذا بالطبع الجزء الأكثر إثارة. 11:53.320 --> 11:59.140 كان هذا فقط للإحماء والاستعداد للشيء الكبير ، لذلك سنعتني بذلك في البرنامج التعليمي 11:59.140 --> 11:59.860 التالي. 11:59.860 --> 12:01.690 حسنًا ، في الواقع ، سيستغرق الأمر عدة دروس تعليمية. 12:01.690 --> 12:08.020 بالطبع ، سنبدأ بجعل العيون ثم نتذكر أننا سنضيف lshtm لمعرفة الخصائص الزمنية 12:08.020 --> 12:12.010 للمدخلات ، وبعد ذلك سنهتم بالممثل والناقد. 12:12.010 --> 12:16.810 وهذا هو المكان الذي سنستخدم فيه هذين العمودين المعيارين للوظائف ، وهما التهيئة والأوزان فيهما. 12:16.810 --> 12:18.370 لذلك لا أطيق الانتظار لفعل ذلك. 12:18.370 --> 12:22.360 سنصنع شيئًا قويًا للغاية الآن ، لذا استعد له. 12:22.600 --> 12:23.770 حتى ذلك الحين ، استمتع. 12:23.770 --> 12:24.310 أنا.