WEBVTT

00:00.270 --> 00:02.250
สวัสดีและยินดีต้อนรับสู่ร้านค้า

00:02.430 --> 00:05.810
ฉันตื่นเต้นสุด ๆ เพราะเรากำลังจะทำให้ A-3 มองเห็นสมอง

00:05.810 --> 00:07.430
นั่นคือสมองของ AI ของเรา

00:07.590 --> 00:10.800
และการพูดเกี่ยวกับสมองฉันต้องการที่จะเน้นบางสิ่งบางอย่าง

00:10.870 --> 00:15.750
จำไว้ว่าในตอนแรกเราสร้างสมองที่เรียบง่ายด้วยเลเยอร์ที่เชื่อมต่ออย่างสมบูรณ์เท่านั้น

00:15.840 --> 00:22.260
จากนั้นในโมดูลที่สองสำหรับ Dhoom

00:22.350 --> 00:31.550
เราสร้างสมองที่ไม่เพียง แต่มีชั้นที่เชื่อมต่อกันอย่างเต็มรูปแบบ แต่ยังมีตาเพราะเราได้เพิ่มเลเยอร์ convolutional ที่ให้ตาต่อตาเพราะมันสามารถสังเกตภาพและเข้าใจสิ่งที่เกิดขึ้นภายใน

00:31.830 --> 00:37.590
และตอนนี้เรากำลังจะบอกว่าแม้ในระดับสูงเพราะเรากำลังจะทำให้สมองที่ไม่เพียง แต่จะมีดวงตาและเชื่อมต่อเลเยอร์อย่างเต็มที่

00:37.590 --> 00:41.310
แต่ยังมีหน่วยความจำ

00:41.430 --> 00:57.010
เพราะอย่างที่ฉันได้กล่าวไปแล้วในบทช่วยสอนก่อนหน้านี้เราจะเพิ่มบันทึกการทำงานในสมองใหญ่นี้และจะให้ความทรงจำที่ยาวนานกับสมองของเราเพื่อให้สามารถเข้าใจความสัมพันธ์ทางโลกกับคุณสมบัติทางโลกของภาพอินพุต

00:57.120 --> 01:02.400
ดังนั้นเราจึงไปและสมองที่ทรงพลังยิ่งขึ้นฉันสามารถบอกคุณได้ว่า Dymo เราเกี่ยวกับ

01:02.640 --> 01:09.930
Intiman ในขณะนี้มีประสิทธิภาพมากจริงๆและเราสามารถเห็นได้ว่าการสร้าง AI และการทำ AI

01:10.260 --> 01:14.820
ที่ลึกลงไปและลึกซึ้งขึ้น สมองของมนุษย์ทำงานอย่างไร

01:14.820 --> 01:19.560
คุณรู้ไหมว่าเราเริ่มต้นด้วยความสัมพันธ์พื้นฐานของสมองด้วยการเชื่อมต่อเชิงเส้น

01:19.560 --> 01:22.230
จากนั้นเราเพิ่มดวงตาและเราเพิ่มหน่วยความจำ

01:22.230 --> 01:24.900
ใครจะรู้ว่าเราจะเพิ่มอะไรในโมเดลอนาคต

01:24.990 --> 01:31.330
คุณรู้ในปี 2018 บางทีพวกเขาอาจจะเพิ่มบางสิ่งที่จะทำให้สมองมีลักษณะเหมือนสมองมนุษย์มากขึ้น

01:31.680 --> 01:38.280
แต่แล้วด้วยตาเลเซอร์และความทรงจำที่เชื่อมต่อกันอย่างสมบูรณ์เรามีสมองที่ดีและใช้งานได้จริงอยู่แล้ว

01:38.790 --> 01:39.690
งั้นมาทำกัน

01:39.750 --> 01:41.140
มาสร้างสมองกันเถอะ

01:41.310 --> 01:48.780
ดังนั้นตามปกติเราจะสร้างคลาสสำหรับสิ่งนั้นเพราะมันจะมีคุณสมบัติมากมายพร้อมกับการโน้มน้าวใจและวิทยาศาสตร์

01:48.870 --> 01:53.770
ดังนั้นเราจะทำให้ฟังก์ชั่นเริ่มต้นทั้งหมดนี้สร้างการเชื่อมต่อทั้งหมด

01:54.090 --> 02:02.580
และแน่นอนว่าเราจะมีฟังก์ชั่นฟอร์ดซึ่งแน่นอนว่าจะเผยแพร่สัญญาณภายในสมองเพื่อที่เราจะได้รับผลลัพธ์ในที่สุด

02:02.580 --> 02:03.200
เอาล่ะ

02:03.240 --> 02:04.020
คุณพร้อมไหม.

02:04.140 --> 02:05.400
ลงมือทำกันเถอะ.

02:05.400 --> 02:13.700
คลาสที่เราแนะนำในชั้นเรียนซึ่งเราเรียกเครดิตนักแสดงเพราะแน่นอนว่าฉันกำลังพูดถึงสมองอยู่ที่นี่

02:13.710 --> 02:19.440
แต่อย่าลืมว่าเรากำลังสร้างโมเดลที่ยึดตามหลักการของนักวิจารณ์ที่ใช้งานอยู่โดยแยกนักแสดงและนักวิจารณ์ออกจากกันดังนั้นจริง

02:19.650 --> 02:27.770
ๆ แล้วจะเป็นหนึ่งในความสัมพันธ์ที่ใกล้ชิดที่สุดสำหรับนักแสดง

02:27.810 --> 02:30.880
คุณจะเห็นว่าเราทำได้ดีเพียงใดซึ่งจะค่อนข้างง่าย

02:30.900 --> 02:40.780
นักวิจารณ์ที่แข็งขันและคลาสนักแสดงนี้จะได้รับการสืบทอดจากจุดสิ้นสุดและ Maggio นั้นเพื่อให้เราสามารถใช้ Pitre ทั้งหมดซึ่งเป็นเครื่องมือ

02:40.860 --> 02:44.130
ลองทำเช่นนี้เพื่อสืบทอดจากจุดจบในโมดูลนั้น

02:44.190 --> 02:53.000
ทีนี้เราต้องเอาไลบรารี่ของไฟฉายมาก่อนแล้วก็และนั่นคือ Mudgal

02:53.090 --> 02:54.100
เอาล่ะ

02:54.110 --> 02:55.600
วิธีที่เราสืบทอดมาจากมัน

02:56.990 --> 02:57.240
เอาล่ะ

02:57.260 --> 03:01.630
ดังนั้นเราจึงไปกับฟังก์ชั่นแรกของเราซึ่งแน่นอนว่าเป็นหน้าที่ของมัน

03:01.640 --> 03:25.820
ดังนั้นเราเริ่มด้วยการใส่เครื่องหมายขีดล่างคู่ของมันจากนั้นฟังก์ชั่นนี้จะใช้เป็นอาร์กิวเมนต์ตัวเองกับวัตถุแล้วรูปร่างอินพุตที่เป็นส่วนสำคัญของภาพอินพุตของเราและเราเรียกมันว่าไม่ใช่อินพุตและเฟสการกระทำซึ่งโดยทั่วไปเป็นพื้นที่ ที่มีการกระทำทั้งหมด

03:26.000 --> 03:33.870
เรายังรู้จากพื้นที่การกระทำนี้เราสามารถได้รับการกระทำหลายอย่างซึ่งเป็นการกระทำที่เป็นไปได้หลายอย่างซึ่งจะเกิดขึ้นเร็ว ๆ นี้

03:33.870 --> 03:38.290
นั่นคือเหตุผลที่เราต้องการสิ่งนั้นเพื่อการโต้แย้ง

03:38.290 --> 03:39.390
นั่นคือทั้งหมดที่เราต้องการ

03:39.650 --> 03:45.450
จากนั้นเราจะเข้าไปข้างในฟังก์ชั่นและสร้างตัวแปรทั้งหมดที่เหมาะสมกับสมองของเรา

03:45.830 --> 03:51.740
แต่ก่อนที่เราจะจำสิ่งที่เราต้องทำเพื่อเปิดใช้งานวิธีสืบทอดมรดกที่เราสามารถใช้เครื่องมือทั้งหมดตั้งแต่ปลาย Maggio

03:52.040 --> 04:00.180
เราต้องใช้ superfunction ด้วยวิธีที่เราป้อน

04:00.440 --> 04:14.840
นักวิจารณ์นักแสดงที่เรียนในชั้นเรียนของเราและจากนั้นขึ้นมาด้วยตัวเองกับวัตถุทั้งหมดแล้วและที่นั่นเราไปด้วยฟังก์ชั่นอีกครั้ง

04:14.940 --> 04:15.560
เราจะไปที่นั่น.

04:15.600 --> 04:20.100
ที่ให้เครื่องมือทั้งหมดที่เราทุกคนต้องการจากคบเพลิงเพื่อสร้างสมองของเรา

04:20.400 --> 04:21.940
เอาล่ะตอนนี้

04:22.170 --> 04:24.690
ถึงเวลาที่จะทำให้ดวงตาของตา

04:24.780 --> 04:26.210
นั่นคือการโน้มน้าวใจ

04:26.460 --> 04:31.770
ดังนั้นเราจะทำเร็วมากเพราะเราได้อธิบายเรื่องนี้ไว้ในรายละเอียดเกี่ยวกับการลงโทษแล้ว

04:31.800 --> 04:34.210
เพราะฉันจำวันที่ฉันมีน้ำแข็งได้

04:34.260 --> 04:39.240
มันเหมือนกันเราจะทำข้อสรุปและเราจะใช้สถาปัตยกรรมที่เรียบง่ายมากกับ

04:39.510 --> 04:45.240
32 เครื่องตรวจจับคุณสมบัติขนาดสามโดยสามก้าวสองและสองของหนึ่ง

04:45.450 --> 04:50.460
นั่นเป็นสถาปัตยกรรมคลาสสิก แต่จริง ๆ

04:50.690 --> 04:53.010
แล้วเพียงพอที่คุณจะรู้ให้แน่ใจว่าฉันเข้าใจว่าเกิดอะไรขึ้นในช่วงพัก

04:53.010 --> 04:54.090
ตกลง.

04:54.480 --> 04:56.750
เอาล่ะทีนี้มาสร้างความมั่นใจกันเถอะ

04:56.790 --> 05:09.210
ดังนั้นเราเริ่มต้นด้วยตัวเองเพราะการโน้มน้าวใจจะเป็นตัวแปรของวัตถุดังนั้นตัวเองที่เราสามารถเรียกได้ว่ามันมาและมันจะมีสี่สังวัตนาดังนั้นและอันนี้ก็สามารถอันเดียวได้

05:09.540 --> 05:11.040
และเราไปกันแล้ว

05:11.040 --> 05:20.670
เราใช้จุด N และ Maggio แล้วนำกรวยไปเข้าชั้นเรียนเพราะอันที่จริงแล้วการประชุมจะเป็นสิ่งที่น่ารังเกียจ

05:21.540 --> 05:25.870
จากนั้นเข้าไปข้างในก่อนอื่นเราจะใส่รูปร่างของภาพ

05:25.920 --> 05:32.780
นั่นคือสิ่งที่เรามีตรงนี้เพื่อให้เราสามารถคัดลอกและป้อนมันเป็นอินพุตแรก

05:33.090 --> 05:38.600
จากนั้นอาร์กิวเมนต์ที่สองคือจำนวนตัวตรวจจับคุณลักษณะก็คือจำนวนของเมล็ด

05:38.640 --> 05:45.060
ดังนั้นเราจะใช้ 32

05:45.060 --> 05:50.130
อย่างที่เราเพิ่งพูดถึงตัวเลือกแบบคลาสสิกจากนั้นเราต้องเลือกขนาดของเคอร์เนลที่เป็นจำนวนเซลล์ที่จะเลื่อนไปที่ภาพอินพุต

05:50.190 --> 05:58.460
และจำไว้ว่าเราสามารถเลือกสามสี่หรือห้าอย่างที่มีให้เลือกและเราจะเลือกสามแล้วเราจะเลือก

05:58.550 --> 06:01.100
พยายามที่จะ

06:01.340 --> 06:16.210
และการซ้อนของอันที่เราไปนั่นคือการแปลงรูปแรกจากภาพอินพุตไปจนถึงเลเยอร์แรกที่ประกอบไปด้วย 32 ภาพที่ซับซ้อน

06:16.360 --> 06:18.850
ดังนั้นตอนนี้เราพร้อมที่จะทำการโน้มน้าวใจครั้งที่สองแล้ว

06:18.850 --> 06:33.490
ดังนั้นมันจะใกล้เคียงกันดังนั้นฉันจึงคัดลอกบรรทัดนี้และวางที่ด้านล่างวางด้านล่างอีกครั้งแล้ววางมันเป็นครั้งสุดท้ายเพราะเราจะมีสี่ convolutions ที่แทบไม่มีอะไรเปลี่ยนแปลงเลย

06:33.490 --> 06:42.640
ทีละคนมาทีละสามคนแล้วก็มาทีละคนสี่คน

06:42.670 --> 06:45.160
นั่นคือความเชื่อมั่นสี่ประการของเรา

06:45.160 --> 06:52.280
และแน่นอนตอนนี้เราจำเป็นต้องเปลี่ยนแปลงบางสิ่งที่นี่ แต่ไม่มากเพราะเราจะติดตามสองสำหรับแต่ละและรูปแบบของหนึ่ง

06:52.420 --> 06:58.620
พวกเขาทั้งหมดจะมีเครื่องตรวจจับคุณสมบัติ 32 ตัวที่มีรูปภาพที่ซับซ้อน 32 เอาต์พุต

06:58.780 --> 07:04.040
แต่ตอนนี้จำได้ว่าสิ่งนี้สอดคล้องกับส่วนด้านซ้ายของการโน้มน้าวใจ

07:04.180 --> 07:10.370
ดังนั้นจริง ๆ แล้วที่สอดคล้องกับสิ่งที่อยู่ทางด้านขวาของข้อสรุปก่อนหน้านี้คุณรู้ว่ามันเหมือนโดมิโน

07:10.390 --> 07:11.440
มันง่ายมาก

07:11.560 --> 07:22.390
ดังนั้นที่นี่เราต้องใส่ 32 และนี่คือที่ที่เราจะเห็นได้ง่ายมาก 32 และ 32

07:22.390 --> 07:27.790
เอาล่ะเราจะเริ่มต้นด้วยภาพอินพุตของเราที่ไม่มี

07:27.810 --> 07:35.350
Simon Jones เป็น convolions แรกที่เราได้รับรูปภาพที่ซับซ้อน 32

07:35.800 --> 07:43.120
ภาพแต่ละอันตรวจจับคุณลักษณะเฉพาะจากรูปภาพที่ซับซ้อนเหล่านี้ 32 ภาพที่เราใช้การแปลงที่สองเพื่อรับรูปภาพที่ซับซ้อนใหม่ 32 รูปจากนั้นเหมือนกันจาก

07:43.420 --> 07:46.510
32 รูปเหล่านี้

07:46.510 --> 07:52.430
เราใช้การแปลงแบบที่สามเพื่อรับภาพที่ซับซ้อนใหม่อีก 32

07:52.450 --> 07:57.470
ภาพจากนั้นในที่สุดจากภาพทั้งสามไปสู่ภาพที่ซับซ้อนเราได้ใช้การแปลงแบบสี่เพื่อรับคุณสมบัติ

07:57.490 --> 07:57.910
เอาล่ะ

07:57.910 --> 08:03.700
และนี่จะเพียงพอกับสิ่งนี้หรือฉันจะมีการควบคุมดูแลมันจะพาบอลได้ดีมาก

08:03.700 --> 08:07.250
เอาล่ะนั่นคือเพื่อการโน้มน้าวใจนั่นก็เพื่อดวงตา

08:07.420 --> 08:09.490
และตอนนี้เรามาดูแลหน่วยความจำ

08:09.640 --> 08:23.140
คุณสมบัติใหม่ของสมองนี้เรากำลังนำมาใช้ซึ่งไม่เพียง แต่จะมีการควบคุม แต่ยังจะมีหน่วยความจำยาวเป็นพิเศษเพราะเราจะเห็นหน่วยความจำระยะสั้นระยะยาวซึ่งเป็นเร็กคอร์ดแบบนี้หรือระบบประสาท เครือข่ายที่ให้รูปแบบของคุณมีหน่วยความจำยาว

08:23.170 --> 08:36.580
ๆ เพื่อให้สามารถเรียนรู้ความสัมพันธ์ทางโลกที่ยาวนานจากอดีตดังนั้นบอกว่าเราจะสร้างตัวแปรใหม่จากเวลาด้วยตัวเองและตัวแปรใหม่นี้เราจะเรียกมันว่าง่ายๆ เพราะสิ่งนี้จะสอดคล้องกับเครือข่าย

08:36.580 --> 08:47.260
LACMA ภายในสมอง

08:47.290 --> 08:56.270
ดังนั้น SVM และออกก่อนที่เราจะเขียนรหัสสำหรับ LCN ขอให้แน่ใจว่าเราเข้าใจว่า LACMA ส่วนนี้ของสมองจะทำอะไร

08:56.530 --> 09:03.980
ดังนั้นตามที่เราเข้าใจ LCN นี้ใช้เพื่อเรียนรู้คุณสมบัติทางโลกของภาพอินพุต

09:04.090 --> 09:09.730
ตัวอย่างเช่นถ้าลูกบอลกระทบ LACMA จะเข้ารหัสยอดคงเหลือ

09:09.730 --> 09:11.410
นั่นคือสิ่งแรกที่ต้องเข้าใจ

09:11.410 --> 09:15.070
มันจะเข้ารหัสสิ่งที่เกิดขึ้นในเกม

09:15.070 --> 09:20.080
จากนั้นสิ่งสำคัญต่อไปที่จะเข้าใจเมื่อเราใช้งาน

09:20.170 --> 09:26.680
ISTM คือเราต้องเลือกตามลำดับการพึ่งพาชั่วคราวและที่นี่เนื่องจากเราจะป้อนเครือข่ายประสาทของเราด้วยภาพสี่ภาพนั่นหมายความว่าเราสามารถแล้ว

09:26.680 --> 09:33.740
เรียนรู้การพึ่งพาชั่วคราวของคำสั่งเพื่อนั่นคือการพึ่งพาชั่วคราวบางอย่างที่เกิดขึ้นที่ 1:20

09:33.740 --> 09:40.310
ขึ้นอยู่กับสิ่งที่เกิดขึ้นในเวลา T

09:40.360 --> 09:45.500
T ลบ 1 T ลบ 2 และ T ลบ 3 เพื่อให้เราทำอย่างนั้นได้

09:45.730 --> 09:51.040
แต่ข่าวดีก็คือเราจะใช้การวิเคราะห์ YEM

09:51.160 --> 09:54.560
และดังนั้นเราจะสามารถเรียนรู้ความสัมพันธ์ทางโลกที่ซับซ้อนยิ่งขึ้น

09:54.650 --> 10:01.370
ตัวอย่างเช่นเราสามารถเรียนรู้คุณสมบัติที่เรียบง่ายซึ่งเกิดอะไรขึ้นที่ 1:20 ขึ้นอยู่กับสิ่งที่เกิดขึ้นในเวลา T

10:01.370 --> 10:05.510
T ลบ 20 นาทีเพื่อทำลบสามลงไปที่ T ลบ

10:05.940 --> 10:15.490
และนั่นคือส่วนที่ยาวนานในความทรงจำระยะสั้นกับบททดสอบนี้และเราสามารถเรียนรู้ความสัมพันธ์ทางโลกที่ซับซ้อนได้

10:15.490 --> 10:18.080
เอาล่ะเพิ่ม LCN ของเราลงไป

10:18.160 --> 10:25.030
ดังนั้นการทำเช่นนี้เราจะใช้ N ในโมดูลแล้วเราจะเพิ่มคลาสเป็น T N.

10:25.600 --> 10:31.960
เซลล์ซึ่งจะสร้างสิ่งนี้เป็นวัตถุซึ่งจะเป็นตัวแทนของ DST และเป็นส่วนหนึ่งของเครือข่ายใหม่เพราะตอนนี้สิ่งที่สำคัญที่ต้องเข้าใจคือเรากำลังสร้าง

10:31.960 --> 10:38.570
CR และจากนั้นคุณก็รู้ว่าบันทึก convolutional เครือข่ายใหม่และส่วน

10:38.590 --> 10:45.520
arland มา ส่วนหนึ่งของ CNN

10:45.610 --> 10:51.350
และตอนนี้สิ่งที่เราต้องป้อนในเซลล์ LACMA นี้คือขนาดแรกของผลลัพธ์หลังจากการแปลง

10:51.400 --> 10:56.060
นั่นคือ 32 คูณสามคูณสาม

10:56.230 --> 11:02.670
32 นี่คือสามคูณสามจริง ๆ แล้วผลลัพธ์ออกมาหลังจากที่สี่ความโน้มน้าวที่นี่

11:02.830 --> 11:07.600
แต่นั่นจะกลายเป็นอินพุตของ RNA LSD และการทำงาน

11:07.870 --> 11:13.710
และตอนนี้ทำไมเอาท์พุทของสี่ convolutions ขนาดครึ่งสามสองครั้งสามครั้งสามครั้ง

11:13.870 --> 11:16.030
ไม่ต้องกังวลว่ามันจะไม่ตรง

11:16.060 --> 11:22.140
จริงๆแล้วมันไม่ใช่สูตรง่ายๆ แต่มีสูตรที่จะคำนวณจำนวนเซลล์ประสาทขาออกจำนวนนี้

11:22.210 --> 11:26.490
หลังจากการยุบภาพที่ซับซ้อนและการรวมกลุ่มของ deconvolution

11:26.710 --> 11:32.050
แต่ถ้าเรารวบรวมเงื่อนไขของสูตรใหญ่นี้เราจะได้ 32 คูณสามคูณสาม

11:32.200 --> 11:36.060
ฉันไม่ต้องการที่จะใช้เวลามากเกินไปในเรื่องนี้เพราะเรามีหลายอย่างที่ต้องทำมากกว่านี้

11:36.190 --> 11:39.470
และนอกจากนี้เราได้สร้างฟังก์ชันเพื่อคำนวณจำนวนนี้แล้ว

11:39.520 --> 11:43.710
โปรดจำไว้ว่ามันเป็นการลงโทษเมื่อเราสร้างฟังก์ชั่นเซลล์ประสาทการนับ

11:43.870 --> 11:45.750
ดังนั้นคุณสามารถนำมาใช้ซ้ำได้หากต้องการ

11:45.760 --> 11:53.490
คุณไม่มั่นใจ แต่นั่นเป็นเพียงสิ่งที่เราได้รับหลังจากรวบรวมเงื่อนไขของสูตรที่ยิ่งใหญ่เช่นการคำนวณจำนวนผลลัพธ์

11:53.530 --> 12:00.370
นั่นคือสำหรับอาร์กิวเมนต์แรกแล้วอาร์กิวเมนต์ที่สองจะเป็นจำนวนเซลล์ประสาทขาออกของ

12:00.610 --> 12:05.220
และเราจะไปกันที่ 256 OK

12:05.220 --> 12:33.990
และนั่นหมายความว่าตอนนี้นั่นหมายความว่าตอนนี้เรามีเวกเตอร์ที่เข้ารหัสแต่ละเหตุการณ์ของเกมหรือกล่าวอีกนัยหนึ่งว่าเรามีสถานะที่เข้ารหัสและตอนนี้ที่เราสามารถแยกความแตกต่างระหว่างนักแสดงและนักวิจารณ์เพราะคุณ รู้ว่าเราจะสร้างเครือข่ายใหม่สองเครือข่ายแยกต่างหากสำหรับนักแสดงและอีกเครือข่ายหนึ่งสำหรับนักวิจารณ์ แต่พวกเขาจะเป็นรูปแบบการเข้ารหัสที่เหมือนกันและความสัมพันธ์ชั่วคราวสำหรับเครือข่ายประสาททั้งสองนี้

12:33.990 --> 12:37.740
นี่คือส่วนทั่วไปที่เราทำกับเครือข่ายใหม่ทั้งสองนี้

12:37.740 --> 12:43.650
นี่จะเป็นการเริ่มต้นที่เหมือนกันสำหรับสองเครือข่ายใหม่ แต่ตอนนี้สิ่งต่าง

12:43.650 --> 12:52.200
ๆ กำลังจะเปลี่ยนไปสำหรับนักแสดงและลำห้วยเพราะเราจะทำการเชื่อมต่ออย่างเต็มรูปแบบสำหรับนักแสดง .

12:52.230 --> 12:56.320
งั้นมาพักกันเร็ว ๆ และทำสิ่งนั้นในอีกหน่อย

12:56.400 --> 12:57.860
จนกว่าจะสนุกกับ AI