WEBVTT

00:00.480 --> 00:06.650
Merhaba ve bu öğreticiye hoş geldiniz, şimdi ağırlıkları başlatmak için bu ikinci işlevi yapacağız.

00:06.840 --> 00:11.190
Ve bu en uygun bir öğrenme için kullanılacaktır.

00:11.340 --> 00:13.160
Aslında bu ağırlıklar.

00:13.230 --> 00:21.960
Bu yüzden ağırlık olarak adlandıracağımız ikinci işlevi altta çiziyor ve nesneyi argüman olarak alıyor ve

00:22.200 --> 00:26.020
bu da sinir ağını temsil edecek.

00:26.220 --> 00:27.080
Hepsi bu kadar.

00:27.090 --> 00:32.300
Ve sonra iki nokta üst üste ve şimdi ne yapmak istediğimizi tanımlamak için işlevin içine girelim.

00:32.580 --> 00:38.610
yapmak istediğimiz, yeni ağın ağırlıklarını, en uygun öğrenmeyi sağlayacak şekilde başlatmaktı.

00:38.610 --> 00:39.920
Temel olarak,

00:40.080 --> 00:43.590
Dolayısıyla bu özellikle sezgisel görünmüyor.

00:43.590 --> 00:46.740
Bu, araştırma kağıtlarına ve deneylere dayanmaktadır.

00:46.740 --> 00:52.440
Ağırlıkları, daha önce görmediğimiz belirli bir biçimde başlatacağız, ancak bana inan

00:52.440 --> 00:54.740
ki öğrenme sürecini optimize edecektir.

00:54.930 --> 01:00.760
Dolayısıyla ağırlıkları bu şekilde başlatmamızın ayrıntılarına girmeden uyguladık.

01:00.960 --> 01:06.390
konvolüsyon ile tam bağlantı arasındaki ayrımı yapmak için kullanılacak bir hile kullanarak başlayacağız

01:06.660 --> 01:13.260
çünkü biliyorsun ki AI'mızın gözleri olacak ve bu nedenle bazı kıvrımlı katmanlara sahip olacağını hatırlıyoruz.

01:13.260 --> 01:15.290
Ve bu yüzden daha sonra

01:15.330 --> 01:20.550
Elbette bazı tam bağlantılı katlar da olacaktır ve bu iki tür bağlantı

01:20.550 --> 01:23.550
için ağırlıkların farklı bir başlatılmasına sahip olacağız.

01:23.820 --> 01:28.620
Bu yüzden bu iki tür bağlantıyı ayırmak için bu numarayı kullanacağız

01:28.890 --> 01:34.160
ve bu bağlantıların her biri için farklı başlatmayı sağlamak için bazı koşullar kullanacağız.

01:34.170 --> 01:40.410
Dolayısıyla bu hüner, soyadı artıracağımız yeni bir değişkeni yaratmaktır ve bu

01:40.410 --> 01:44.630
da bir nesneyle çağrılıp sinir ağını temsil edecektir.

01:44.670 --> 01:47.140
Ancak daha sonra göreceğimiz bir cismidir.

01:47.430 --> 01:54.290
Ve bu nesneden özel niteliği alacağız Kolesnik, çift altçizgi birinci

01:54.390 --> 02:01.570
sınıf çift altçizgi çift altçizgi yine adı ve neredeyse var.

02:01.610 --> 02:03.100
Başka bir alt çizgi.

02:03.360 --> 02:10.500
Bu, yeni ağ nesnemizin bağlantı türünü aramak için oldukça çirkin bir numara ama tam olarak

02:10.500 --> 02:12.100
ne istediğinizi verecek.

02:12.210 --> 02:15.300
Durumlara başlarsak mantıklı olacağını göreceksin.

02:15.540 --> 02:19.710
Ve bu arada koşullardan söz ettik, şimdi onları durdurabiliriz.

02:19.710 --> 02:26.170
Ve şimdi şimdi ne yapacağız, ilk durumu bize getiren ilk şartı başlatmak.

02:26.280 --> 02:34.770
Bağlantı, konveksiyse ve bu sınıfın adı doğru ise bu şartı doğru yazmak

02:35.010 --> 02:35.510
için.

02:35.510 --> 02:45.180
Burada bulma yönteminin bulduğu ve konvolüsyon için tırnak işaretleri koyulduğunda bir yöntem kullanıyoruz.

02:45.300 --> 02:54.330
Sınıf ismi bulabilirse, eğer bir kutu var ise Manasquan hayır demektir, eksi

02:54.540 --> 02:57.900
bir şeyden farklı yapacağız.

02:58.200 --> 03:03.360
Bu durumda ağırlıkların özel bir başlatılması yapacağız.

03:03.420 --> 03:07.830
Dolayısıyla bu durum, konvolüsyon bağımız varsa bu demektir.

03:07.830 --> 03:13.910
Dolayısıyla bu durumda yaptığımız şey, yapmak istediğimiz şekilde bu özel başlatmayı çalıştırmaktır.

03:14.040 --> 03:17.930
Ve böylece tüm sezgisel olmayan şeyler gelecek.

03:18.060 --> 03:21.990
Aramaya başlayacağımız bir değişken oluşturarak başlayacağız.

03:22.180 --> 03:29.260
Ve ağırlığın altını çizdiği şekilde bu mahkeme şekli, temel olarak yeni ağımızda ağırlıkların şeklini

03:29.530 --> 03:31.310
içeren bir liste olacaktır.

03:31.580 --> 03:35.800
Ve böylece bir liste oluşturmak için list işlevini kullanmalıyız.

03:35.930 --> 03:42.880
İçimizde, sinir ağının ağırlığı olacak olan sinir ağı içine

03:42.880 --> 03:43.500
koyacağız.

03:43.570 --> 03:50.890
bu, verinin ardından boyut boyutu, konvolüsyon bağlantısında bu ağırlıkların şeklini alacaktır.

03:50.890 --> 03:59.670
Fakat kıvrım bağlantısında ve bu ağırlıkların şeklini almak için, başka bir özellik kullanıyoruz;

03:59.680 --> 04:06.580
Şimdi ağırlık şekli ağımızın ağırlıklarının ve konvolüsyon bağlantılarının şeklini bir

04:06.880 --> 04:08.300
listede içerir.

04:08.460 --> 04:14.510
Pekâlâ, bu konvolüsyon bağlantısının ağırlığını başlatmak için daha sonra ağırlık şekli var.

04:14.560 --> 04:16.650
İki değere ihtiyacımız olacak.

04:16.650 --> 04:22.920
Birincisi, birinci boyutun, ikinci atama tarafından bu üçüncü boyutun ürünüdür.

04:22.930 --> 04:27.960
şey, ardından sıfırları eski zamanlara ikinci kez, bazen de üçüncü boyutu getirmek

04:27.960 --> 04:33.570
zorunda kalacağız ve sonra bu iki değeri, nasıl başlattığımız rekabette kullanacağız. ağırlıklar.

04:33.660 --> 04:35.660
Bu yüzden şu an alacağımız

04:35.670 --> 04:37.920
Öyleyse bunu ilk üründen alalım.

04:37.920 --> 04:46.050
Buna eğlenceli diyoruz ve bu ürüne eşit olacak ve kısayol ve P So MP

04:46.050 --> 04:55.270
olan PRUD işleviyle olan prod işlevini kullanacağız ve PRUD ve iç prod'de biz yapmak istediğimiz şeyi

04:55.260 --> 04:56.680
girdik. ürün.

04:57.180 --> 05:02.590
Ve böylece elmas ve bir iki ve üçümüz ağırlık şekli dedik.

05:02.880 --> 05:10.430
Ve bunu elde etmek için bir dalga şekli alıp bu üç hatlı motorların endekslerini elde edebiliriz.

05:10.500 --> 05:15.800
Ve bu yüzden Simonton'u bir ila 10 inç arasında, üçü de dahil ettik.

05:16.020 --> 05:18.770
Yani hariç tutulan bir zindan.

05:19.050 --> 05:24.230
Ve bunu elde edebilmemizin nedeni üst sınır için burada bulunmamaktadır.

05:24.440 --> 05:35.410
İstediğimiz de o zaman o zaman eğlenmek için aynı Fren söylüyorduk, üç kez bahsettiğim iki kez

05:35.410 --> 05:39.650
sıfır zaman boyutundaki hasarın ürünü olacak.

05:39.730 --> 05:45.490
Ve burada, dahil olan iki ila dört arasında dizine eklenebiliyoruz.

05:45.730 --> 05:52.110
Böylece, zamanın ve iki ve üçün çarpımı elde edilecek ve daha

05:52.180 --> 05:58.900
sonra dizin sıfırın balina sıfırının sıfırıyla erişebildiğimiz tasarım ve sıfırla çarpabiliriz.

05:59.230 --> 06:16.990
kez iki kez bir kez ve hemen altında ağırlık kontrol listemizin üçünde sıfır kez iki kez var.

06:16.990 --> 06:20.320
Özetlemek gerekirse, üç

06:20.320 --> 06:25.390
Pekâlâ, şimdi bu iki değerin kullanmaya başlayacağız ve başlangıç ​​durumuna

06:25.870 --> 06:33.280
geçmek için havalandırma yapacağız, çünkü W değerini bağlayacağımızı ve bunun kareköküne eşit olduğu için yeni

06:33.280 --> 06:39.530
bir değeri hesaplayacağız. biz bir işlevle ve P'yi qr t olarak alabiliriz.

06:39.520 --> 06:40.830
İkincisi daha önce olduğu gibi.

06:40.840 --> 06:46.710
Dolayısıyla 6'nın karekökü yayılıp bölünmüştür.

06:46.820 --> 06:57.340
Bu yüzden hayranlarının hayranına hayran olalım, burada bulunan bu W, bir şekilde onlarca ağırlığın boyutunu temsil

06:57.340 --> 06:58.140
ediyor.

06:58.240 --> 06:59.740
Ve bunu neden elde ettik.

06:59.740 --> 07:06.130
Bunun nedeni, şimdi şimdi yapmak istediğimiz şey, ağırlıkların tensörünün boyutuyla ters

07:06.130 --> 07:10.070
orantılı olan bazı rasgele ağırlıkları oluşturmak istiyoruz.

07:10.180 --> 07:18.580
Çünkü gerçekten şimdi yapmak üzereyim yeni ağımızı alıp ağırlığını elde etmek.

07:18.580 --> 07:25.260
Böylece öznitelik ağırlığını alarak, tensör olan verisine erişirsiniz.

07:26.100 --> 07:33.330
Ve sonra bu tensör ağırlıklarından tensör ağırlıklarının büyüklüğü ile ters

07:33.330 --> 07:37.110
orantılı bazı rastgele ağırlıklar üretiyoruz.

07:37.180 --> 07:45.520
W bağlı ve üst sınır da artı W geri olacak bir alt sınır koymalıyız.

07:45.520 --> 07:49.090
Ve şimdi bu tekdüze fonksiyonda, eksi

07:49.750 --> 07:52.460
Tamam, ağırlıklar için.

07:52.510 --> 07:57.460
Ve şimdi önyargı için önyargı ve müjde başlatmamız gerekiyor.

07:57.460 --> 07:59.130
Çok daha basit olacak.

07:59.200 --> 08:07.650
Onları hepsini sıfırlarla başlatacağız, böylece bu ürünleri yeni ağımız olan elbette

08:08.070 --> 08:09.470
modelimizden alacağız.

08:09.930 --> 08:15.790
Ve sonra önyargı özelliği, önyargı, verilere erişimle aynıdır.

08:16.200 --> 08:23.430
kurallarla sıfırlarla doldurmak için kullanılan bir metot olan Phil altçizme metodunu kullanacağız.

08:23.580 --> 08:29.970
Ve sonra, tahmin ettiğiniz gibi önyargı tensörünü, burada sıfırlarla doldurmak istediğimizi

08:29.970 --> 08:31.600
belirtmek zorunda olduğumuz

08:31.700 --> 08:34.230
İşte bu yüzden bu yüzden sıfır koyuyorum.

08:34.560 --> 08:40.210
Özetle, tensör ağırlıklarının büyüklüğü ile ters orantılı rastgele ağırlık

08:40.210 --> 08:43.860
üretiyoruz ve cihazı sıfırlarla başlatmıştık.

08:43.860 --> 08:49.850
Tamam, bu da konvolüsyon bağlantılarındaki Initialize işlemi için yapıldı.

08:49.880 --> 08:52.880
Şimdi de tam bağlantı için aynı şeyi yapmamız gerekiyor.

08:53.300 --> 09:01.470
aynı şekilde bu hile yaparsak, bağlantıların farklı adlarını içeren bu değişken olan birinci sınıf adı kullanırız.

09:01.470 --> 09:05.160
Ve böylece yeni koşullar ekleyeceğiz ve eğer

09:05.160 --> 09:14.440
Aynı sınıf ismi aynı ise, klasik bir yapay sinir ağında klasik bir doğrusal bağlantı olan tam

09:14.580 --> 09:19.050
bir bağlantıyı tırnak içine aldığımızda find yöntemini kullanıyoruz.

09:19.390 --> 09:27.160
Ve bu yüzden bunun adı doğrusal ve eksiğinden farklı olmasını istediğimizi söylemek

09:27.160 --> 09:35.810
için bu numarayı kullanacağımızı söylüyorlar, yani sınıfın bu sonuydu ince ketenlerin eksi bir

09:35.810 --> 09:41.360
anlamı yok, bağlantı varsa Klasik bir bağlantımız varsa oradadır.

09:41.360 --> 09:44.620
Dolayısıyla bu durumda ağırlıkları nasıl başlatacağız.

09:44.840 --> 09:47.260
Tamamen aynı olacak.

09:47.270 --> 09:54.020
Balinayı Voivode olarak tanıtacağız çünkü ilk olanı silmeyeceğiz, çünkü bu davada ya

09:54.050 --> 10:01.430
da bu davada aynı olmayacak, böylece aynı olmayacaktır, böylece tamamen tersine çevirebiliriz, o

10:01.430 --> 10:08.600
zaman aynısını değişkende bir fan tanıtacağız. bu zaman bu üç boyutun çarpımına eşit

10:08.600 --> 10:09.440
olmayacaktır.

10:09.650 --> 10:17.090
Fakat aslında bu kez basitçe bir tasarım tasarlamak eşit olacaktır.

10:17.380 --> 10:23.870
Bunun nedeni, tam bağlantı için konvolüsyon bağlantısından daha az bağlantı olmasıdır.

10:23.880 --> 10:29.970
Şimdi bu sezgisel konferanslar sonunda ve CNN bölümünde tam bir bağlantı

10:29.970 --> 10:32.640
için konvolüsyondan daha az bahsediliyor.

10:32.640 --> 10:39.840
Yani temelde bir yıl içinde bu zaman alırız, daha sonra, W hesaplamak

10:39.840 --> 10:48.780
için kullanacağımız bir fan çıkışı olacağız deriz. sınırları ve bu fan dışarı tahakkümü ağırlığı şekil 0

10:49.160 --> 10:49.890
indeksi olacak.

10:49.890 --> 10:51.470
Elmas sıfır.

10:51.480 --> 10:55.290
Tamam o zaman GWB'ye ve aynı olacak.

10:55.470 --> 11:01.780
Bu, 6'nın karekökünü, rahatsız edici toplamla bölüşecek ve keşfedecektir.

11:01.830 --> 11:04.660
İşte gidiyoruz.

11:04.880 --> 11:11.870
girişi ve vantilatör çıkışı ile kullandığımızdan tamamen farklıdır ve bu nedenle farklıdır. .

11:11.870 --> 11:20.990
Ve o zaman iyi haber şu ki ağırlıkları için üniforma fonksiyonunu kullanan önyargı için dolgu işlevi ve

11:20.990 --> 11:24.440
aynı tür başlatmayı farklı bir fan

11:24.560 --> 11:27.520
Yani aynı fikir bu aynı ilkedir.

11:27.530 --> 11:32.660
Burada değişen tek şey, tam bağlantı için daha az egemenliğe sahip olduğumuz

11:32.780 --> 11:39.160
ve bu rastgele ağırlıkları oluşturmak için ağırlıkların bu sınırlamasının daha basit göz önüne bulundurulmasıdır.

11:39.200 --> 11:45.210
Fakat iyi haber, şimdi sadece bu ağırlıklar değil, çok işlev görmesidir.

11:45.380 --> 11:47.150
Ama şimdi iki araçımız var.

11:47.330 --> 11:50.180
Ve böylece beyni inşa etmeye hazırız.

11:50.300 --> 11:51.280
Bu yüzden bekleyemem.

11:51.290 --> 11:53.500
Bu tabii ki en heyecan verici bölüm olacak.

11:53.510 --> 11:57.630
Bu sadece ısınma ve bizi büyük üne hazır hale getirmekti.

11:57.650 --> 11:59.990
Bir sonraki öğreticide buna dikkat edeceğiz.

12:00.080 --> 12:02.590
Aslında elbette birkaç ders alacak.

12:02.690 --> 12:04.350
Gözleri yaparak başlayacağız.

12:04.520 --> 12:10.040
Ve sonra girişin zamansal özelliklerini öğrenmek için bir illüstrasyon ekleyeceğimizi hatırlayın ve

12:10.040 --> 12:12.170
sonra aktöre ve eleştirmenle ilgileneceğiz.

12:12.170 --> 12:17.000
Ve bunu normalize edilmiş başlatıcıyı başlatan ve ağırlıkları işlemek için kullanacağız.

12:17.120 --> 12:18.590
Bu yüzden bunu yapmak için sabırsızlanıyorum.

12:18.590 --> 12:20.630
Artık çok güçlü bir şey yapacağız.

12:20.630 --> 12:22.510
Bu yüzden hazır ol.

12:22.790 --> 12:24.250
O zamana kadar AI zevk.