WEBVTT 00:00.540 --> 00:05.090 Halo dan selamat datang di cerita ini hampir judul terakhir dari modul ini. 00:05.100 --> 00:10.260 Saya hanya akan menjelaskan kode utama yang akan menjalankan semuanya sebelum kita mendapatkan hasil yang 00:10.290 --> 00:11.930 menarik dan menonton videonya. 00:12.090 --> 00:15.920 Jadi ini adalah kode utama dan seperti yang Anda lihat ini cukup singkat. 00:15.930 --> 00:21.120 Kami mulai dengan mengimpor perpustakaan dan modul dan juga berbagai kelas dan fungsi yang 00:21.120 --> 00:24.270 kami buat seperti Altikriti dari file model kami. 00:24.390 --> 00:30.210 Fungsi kereta dari file kereta dan fungsi tes dari file tes dan tentu saja kami 00:30.270 --> 00:31.930 mengimpor pengoptimal kami. 00:31.950 --> 00:37.350 Kemudian kita mulai dengan bagian pertama di mana kita masuk ke kelas semua parameter. 00:37.500 --> 00:39.660 Dan ini mungkin ini. 00:39.720 --> 00:44.040 Ingat ini adalah objek BRAM yang kami buat dari kelas harams ini. 00:44.040 --> 00:48.900 Setiap kali kita mendapatkan parameter seperti tingkat belajar kita tidak tanpa parameter. 00:49.200 --> 00:50.870 Jadi mari kita telusuri mereka dengan cepat. 00:50.880 --> 00:54.380 Yang pertama ini atau di sini adalah tingkat pembelajaran. 00:54.480 --> 00:59.140 Jadi seperti yang Anda lihat kami memilih yang kecil dan Anda menilai yang kedua adalah parameter. 00:59.160 --> 01:09.810 Sekali lagi kita anggap sebagai 0. 39 kita mengambil parameter OneTel seperangkat 1 16 proses 20 langkah dan panjang 01:09.900 --> 01:10.850 maks 10.000. 01:10.850 --> 01:17.580 Dan kami berbicara tentang ini adalah parameter yang kami tetapkan untuk memastikan agen tidak terjebak tanpa batas 01:17.730 --> 01:20.910 ke kondisi lingkungan sehingga ini akan menghentikan permainan. 01:21.060 --> 01:28.800 Jika panjang episode melampaui panjang maksimum ini dan akhirnya tentu saja kita mendapatkan nama lingkungan 01:28.800 --> 01:29.690 kita. 01:29.790 --> 01:30.890 Putus adalah nol. 01:30.990 --> 01:37.770 Dan omong-omong Anda juga bisa bermain di beberapa lingkungan lain hanya dengan mengubah nama lingkungan di 01:37.770 --> 01:38.410 sini. 01:38.430 --> 01:44.760 Jadi, jika Anda ingin bermain ke beberapa versi pelarian lainnya atau bahkan beberapa game Atari lainnya, Anda dapat dengan mudah 01:45.030 --> 01:48.580 mengganti pecahan nol ini di sini dengan beberapa game lain. 01:48.750 --> 01:53.730 Tetapi saya dapat memberitahu Anda bahwa video breakout sudah sangat menantang. 01:53.730 --> 01:56.030 Baiklah jadi semua parameter di sini. 01:56.160 --> 01:59.330 Dan kemudian ada kode utama untuk menjalankan utama. 01:59.550 --> 02:02.850 Jadi di sini mari kita lihat apa yang kita lakukan di baris pertama ini. 02:02.850 --> 02:05.270 Kami menetapkan satu utas per inti. 02:05.430 --> 02:11.880 Kemudian di baris kedua kita membuat semua penyaji dengan Anda tahu membuat objek baru dari kelas 02:12.150 --> 02:18.810 Paramjit yang akan menginisialisasi semua parameter ini di sini karena ada variabel yang melekat pada objek BRAMs 02:18.810 --> 02:19.490 ini. 02:19.560 --> 02:20.840 Lalu kami mengatur benih. 02:20.970 --> 02:28.830 Kemudian kita mendapatkan lingkungan kita menggunakan pohon Buat dan fungsi dengan nama lingkungan kita yang 02:28.830 --> 02:30.040 merupakan nol. 02:30.040 --> 02:35.410 Anda melihat sel-sel nama itu dan karena itu parameter dan nama cukup dari nol. 02:35.430 --> 02:37.660 Sehingga akan membuat kita lingkungan break out. 02:37.890 --> 02:42.870 Dan omong-omong ini bukan cara yang biasa untuk menciptakan lingkungan tetapi Anda tahu untuk 02:42.870 --> 02:45.540 meningkatkan seluruh proses dan meningkatkan kinerja. 02:45.690 --> 02:52.470 Yah kami menggunakan ini untuk benar-benar menciptakan lingkungan yang dioptimalkan dan ini kami melakukan hal-hal ini alam semesta 02:52.630 --> 02:57.730 adalah paket yang datang dengan semua paket yang Anda instal pada mesin terbuka. 02:57.870 --> 03:01.490 Terima kasih kepada alam semesta, kami mendapatkan lingkungan yang dioptimalkan. 03:01.590 --> 03:03.320 Ini semua tentang di sini. 03:04.050 --> 03:09.240 Kemudian kami mendapatkan model bersama kami dengan membuat objek dari kelas kritik aktif. 03:09.240 --> 03:14.430 Dan jadi di sini penting untuk memahami bahwa model bersama ini adalah model yang digunakan bersama oleh berbagai 03:14.430 --> 03:15.030 agen. 03:15.180 --> 03:17.880 Jadi kami memiliki utas yang berbeda di jalur yang berbeda. 03:18.210 --> 03:25.410 Dan berbicara tentang ancaman pada baris berikutnya di sini model shirred yang berbagi memori apa yang kita lakukan adalah kita 03:25.500 --> 03:31.260 menyimpan model dalam memori bersama dari komputer sehingga semua utas dapat mengaksesnya meskipun mereka berada 03:31.260 --> 03:32.960 di jalur yang berbeda. 03:33.000 --> 03:34.510 Jadi itulah yang kami lakukan di sini. 03:34.530 --> 03:42.410 Ini untuk mengaktifkan ini maka kami membuat pengoptimal kami ditautkan ke parameter model bersama kami dan dengan 03:42.410 --> 03:45.780 tingkat pembelajaran satu atau satu poin. 03:45.930 --> 03:51.030 Dan sekali lagi penting untuk memahami bahwa pengoptimal juga dibagikan karena itu akan bertindak 03:51.030 --> 03:57.720 pada model bersama dan mengatakan bahwa baris berikutnya dioptimalkan bahwa berbagi memori kami menyimpan pengoptimal ke dalam memori 03:57.780 --> 04:02.530 bersama sehingga semua agen dapat memperoleh akses ke sana untuk mengoptimalkan model. 04:02.910 --> 04:10.260 Kemudian kami menginisialisasi proses kami sehingga proses pengujian tidak memperbarui model bersama tetapi hanya menggunakannya untuk mencobanya 04:10.260 --> 04:14.710 di satu bagian dan mencetak skor dan merekam video. 04:14.820 --> 04:17.920 Jadi itulah yang dilakukan di sini dengan Target sama dengan tes. 04:17.940 --> 04:24.330 Itulah proses pengujian dan proses ini di sini terputus dari penyiksaan yang multi-pemrosesan awal. 04:24.450 --> 04:31.600 Jadi di sini dan yang dilakukannya adalah pada dasarnya menjalankan fungsi pada utas independen. 04:31.860 --> 04:38.050 Jadi ketika kita melakukan restart kita memulai proses baru yang merupakan awal tahun lalu saat ini. 04:38.370 --> 04:45.030 Dan kemudian dengan proses ini untuk menambahkan P kita menambahkan proses dalam daftar proses. 04:45.270 --> 04:52.170 Dan akhirnya dalam loop ini di sini kita hanya melakukan loop untuk menjalankan semua proses lain yang akan 04:52.380 --> 04:54.320 dilatih dengan memperbarui model bersama. 04:54.780 --> 04:58.030 Dan pada dasarnya itulah yang terjadi pada baris kode terakhir di sini. 04:58.380 --> 05:03.870 Jadi, jika Anda tidak ingin masuk ke detailnya, hal yang penting untuk dipahami adalah bahwa ini 05:03.870 --> 05:09.420 akan menjalankan proses secara optimal dan oleh karena itu kita semua harus baik untuk mengeksekusi kode ini 05:09.420 --> 05:12.670 dan memiliki model yang terlatih dan akhirnya menonton hasil. 05:12.840 --> 05:14.150 Jadi saya tidak sabar untuk melakukan itu. 05:14.160 --> 05:16.110 Ini akan sangat menarik. 05:16.110 --> 05:19.240 Saya akan mencoba mencari orang sekarang sehingga kita semua bisa menontonnya bersama. 05:19.350 --> 05:21.440 Dan sampai waktu berikutnya saya.