WEBVTT 00:00.490 --> 00:02.980 Bună ziua și bun venit înapoi la cursul de învățare profundă. 00:02.980 --> 00:06.900 Astăzi am lansat rețele neuronale convoluționale va fi incitant. 00:06.910 --> 00:08.610 Să mergem direct în ea. 00:08.620 --> 00:10.840 Vom începe cu o imagine. 00:10.930 --> 00:13.210 Ce vezi când te uiți la această imagine. 00:13.580 --> 00:19.480 Vedeți o persoană care se uită la tine sau vedeți o persoană care caută spre dreapta 00:19.480 --> 00:25.860 puteți vedea că creierul dvs. se luptă se luptă să se adapteze dacă priviți spre partea dreaptă a imaginii. 00:25.870 --> 00:29.180 Uită-te la granița din dreapta unde vei vedea o persoană care privește în dreapta. 00:29.260 --> 00:33.320 Dacă vă uitați la marginea din stânga a imaginii, veți vedea o persoană care vă privește. 00:33.700 --> 00:42.760 Și acest lucru doar dovedește că ceea ce creierul nostru caută atunci când vedem lucrurile este caracteristică în funcție de caracteristicile pe care le vede 00:42.760 --> 00:46.140 în funcție de caracteristicile pe care le procesați. 00:46.180 --> 00:48.610 Clasificați lucrurile în anumite moduri. 00:48.730 --> 00:54.010 Deci, când priviți în partea dreaptă a imaginii, veți vedea anumite trăsături ale unei persoane care căută să 00:54.010 --> 01:00.190 călătorească, deoarece sunt mai aproape de centrul dvs. de concentrare și, prin urmare, creierul tău se clasifică ca o persoană care caută 01:00.190 --> 01:00.930 spre dreapta. 01:01.000 --> 01:06.790 Când priviți în partea stângă a imaginii, veți vedea mai multe caracteristici ale unei persoane care vă privește și, 01:06.790 --> 01:09.580 prin urmare, creierul dvs. o clasifică ca atare. 01:09.580 --> 01:11.150 Să aruncăm o privire la alta. 01:11.230 --> 01:12.840 Aceasta este o imagine foarte faimoasă. 01:12.910 --> 01:14.530 Probabil ați văzut-o deja. 01:14.680 --> 01:16.240 Dar ce vedeți aici. 01:16.820 --> 01:23.830 Deci, unii oameni vor spune că văd o tânără care poartă o rochie în depărtare. 01:23.830 --> 01:29.980 Unii oameni spun că văd o bătrână care poartă o eșarfă pe capul ei privindu-se în jos. 01:30.280 --> 01:36.250 Așa că voi îndrepta acest lucru și vei vedea că va deveni foarte evident, așa că aceasta este 01:36.250 --> 01:37.510 fața fetei tinere. 01:37.510 --> 01:40.450 Se uită la distanță ca haina ei. 01:40.440 --> 01:44.940 Acesta este părul ei care este penei ei mici în părul ei și pe de altă parte. 01:44.980 --> 01:53.530 Acesta este capul bătrânii care privește în jos pe nas gura ei pe bărbie, care e eșarfa pe capul ei și 01:53.560 --> 01:55.560 se uită în jos. 01:55.780 --> 02:01.960 Așa cum puteți vedea două în una și în funcție de caracteristicile pe care le ridică creierul 02:02.620 --> 02:06.710 dvs., va trece între clasificarea fiecărei imagini ca una sau cealaltă. 02:06.910 --> 02:13.930 Cel mai vechi dintre aceste iluzii înregistrate în lucrarea tipărită este acesta. 02:13.930 --> 02:15.220 E rața sau iepurele. 02:15.230 --> 02:17.020 Deci este o rață sau este un iepure. 02:17.020 --> 02:18.330 Alt exemplu. 02:18.430 --> 02:25.030 Și acum voi arăta o imagine care, pentru doar o secundă, o să se uite la ea și să vedem ce anume 02:25.030 --> 02:28.670 ce emoții sau ce fel de experiență experiență vizuală treci prin. 02:29.110 --> 02:36.610 Deci, ceea ce vedeți, vă simțiți ca un pic nu amețit, dar puțin uluit cum creierul dvs. încearcă să încerce să 02:36.610 --> 02:40.230 înțeleagă ce este ceea ce este ca și cum încearcă. 02:40.330 --> 02:49.240 O săritură între ochi în sus și în jos ochii și acesta este un exemplu clasic de când există anumite caracteristici în cazul în care ar putea fi 02:49.240 --> 02:53.850 acest lucru ar putea fi faptul că, dar creierul tău nu poate decide. 02:54.130 --> 02:58.230 Și pentru că ambele par plauzibile. 02:58.290 --> 03:04.360 Da, deci toate aceste exemple ne ilustrează cum funcționează creierul că procesează anumite trăsături pe 03:04.360 --> 03:10.970 o imagine sau pe ceea ce vedeți în viața reală și pe care o clasificați ca fiind. 03:10.980 --> 03:16.150 Probabil ai fost în situații când te uiți peste umărul tău repede și vezi ceva 03:16.150 --> 03:23.500 ce crezi că nu știu dacă e ca o minge, dar se pare că eo pisică sau crezi că este o 03:23.500 --> 03:24.030 mașină. 03:24.070 --> 03:28.030 Se pare că este o umbră sau lucruri de genul asta, deoarece nu ai timp suficient pentru a procesa 03:28.030 --> 03:31.030 aceste caracteristici sau nu ai suficiente funcții pentru a clasifica lucrurile ca atare. 03:31.240 --> 03:38.570 Și asta este pentru mine acest lucru este foarte interesant pentru că ceea ce vom face cu rețele neuronale cu rețele neuronale convoluționale 03:38.570 --> 03:43.630 este foarte asemănător și veți descoperi că modul în care computerele vor fi procesate imagini 03:43.630 --> 03:48.190 va fi extrem de asemănătoare cu modul în care procesăm imaginile, așa că 03:48.210 --> 03:53.580 este foarte valoros să înțelegem și să ne amintim mereu aceste lucruri că așa facem noi. 03:53.590 --> 03:58.450 Și o să-i iau pe doamnă de pe ecranele tale, pentru că probabil că deja fuge deja. 03:58.630 --> 04:00.940 Deci, iată ceva diferit. 04:00.940 --> 04:07.870 Iată un experiment pe care îl facem un experiment pe computerele pe o rețea neuronală convoluționară, așa că acum 04:07.870 --> 04:11.150 ne mișcăm încet de la oameni la computere. 04:11.350 --> 04:18.490 Și acest diapozitiv este dintr-o poveste scrisă de Geoffrey Hinton și aici descrieți în esență un experiment pe 04:18.490 --> 04:24.440 care el a făcut-o cu privire la rețelele neuronale convenționale pe care le-a pregătit. 04:24.460 --> 04:29.560 Deci, vedeți aici trei imagini și le vom trece de la stânga la dreapta și vom vedea cum le veți 04:29.560 --> 04:31.870 clasifica și apoi vom vedea cum pot fi reclasificate. 04:31.870 --> 04:35.440 Deci, în stânga, ce credeți că este vorba? 04:35.440 --> 04:37.710 Probabil a spus ghepard și vei avea dreptate. 04:37.710 --> 04:41.740 Și acesta este ceea ce a spus computerul așa și chiar imediat, 04:41.740 --> 04:48.400 chiar de pe liliac, vom învăța cum să citim aceste imagini, pentru că dacă vei merge adânc în rețelele neuronale convoluționale nu te 04:48.400 --> 04:54.050 gândești că vei începe să înveți din ce în ce mai mult și folosind-le veți vedea multe dintre acestea. 04:54.070 --> 05:01.050 Deci, de fapt, am văzut că oamenii le-au citit incorect, așa că aici, în partea de sus, Shida este ceea ce este de 05:01.050 --> 05:01.470 fapt. 05:01.470 --> 05:07.920 Deci, aceasta este eticheta corectă a imaginii, care este eticheta imaginilor, indiferent 05:07.920 --> 05:09.180 de prelucrare. 05:09.300 --> 05:16.770 Și viziunea computerului și apoi aici sunt presupunerile primele patru sau cinci, uneori, presupuneri ale algoritmului și li se dau 05:17.370 --> 05:24.520 probabilitățile astfel încât computerul a spus sau rețeaua neurală a spus că îmbrăcămintea personală Chitta sau pisica egipteană 05:24.810 --> 05:27.460 poate fi una dintre cele patru. 05:27.540 --> 05:29.120 Și ghepardul are cel mai mare vot. 05:29.130 --> 05:34.820 Și pe parcursul acestei părți a cursului înțelegeți ce înseamnă aceste voturi și cum derivă acestea. 05:34.830 --> 05:36.600 Dar pentru moment este destul de intuitiv corect. 05:36.600 --> 05:40.700 Deci, este un ghepard în realitate și rețeaua neuronală a ghicit bine. 05:40.710 --> 05:44.600 A spus cu o hiper-abilitate cam de 95% 99%. 05:45.900 --> 05:46.860 Apoi, al doilea. 05:46.860 --> 05:51.050 Ce credeți că este că este un tren de glonț. 05:51.300 --> 05:57.600 Și rețeaua neuronală a fost capabilă să distingă între locomotiva electrică de locomotivă pentru tren de 05:57.600 --> 05:58.020 pasageri. 05:58.020 --> 05:59.380 Acestea sunt alegerea de top, desigur. 05:59.400 --> 06:05.850 Avea mai multe opțiuni pentru aceste rețele neuronale să învețe să se distingă de la patru categorii, de la 06:06.000 --> 06:08.760 zeci de mii de categorii, în același timp. 06:08.760 --> 06:10.750 Deci, acestea sunt cele patru opțiuni pe care le-a ales. 06:10.920 --> 06:12.750 Și asta e trenul cu bullet și voința lui. 06:12.760 --> 06:17.210 Și ce credeți că ultimul este foarte. 06:17.350 --> 06:22.470 Există câteva opțiuni sau nu este foarte clar ce ar putea fi o tigaie de prăjire ar 06:22.470 --> 06:29.550 putea fi o lupă ar putea fi chiar o pereche de foarfece ar putea spune unii, în timp ce rețeaua neurală a spus că 06:29.550 --> 06:30.540 este o foarfecă. 06:30.750 --> 06:32.590 Dar puteți vedea cum puteți greși aici. 06:32.610 --> 06:35.440 În primul rând, nu este o imagine foarte clară. 06:35.520 --> 06:43.920 Și, de asemenea, puteți vedea că probabilitățile nu sunt la fel de clare aici, astfel încât rețeaua neuronală a fost puțin confuză un 06:43.920 --> 06:46.280 pic indecisă, așa cum suntem noi. 06:46.280 --> 06:51.710 Așa că am spus Foarfece cu mare probabilitate, dar apoi avea o geantă de mână pe care, de fapt, a fost 06:51.810 --> 06:55.760 cu nu nu atât de departe pe locul al doilea și stetoscop pan tigaie. 06:55.920 --> 07:01.620 Deci, practic, puteți vedea că foarfeca a fost prima lui ghicit, dar opțiunea corectă a fost numărul doi și de 07:01.620 --> 07:03.050 aceea este evidențiată în roșu. 07:03.300 --> 07:07.050 Deci, mergem acolo. Asta este ceea ce toate drogurile sunt deja capabile. 07:07.050 --> 07:08.880 Și acesta este, de fapt, un diapozitiv vechi. 07:08.880 --> 07:10.610 A fost acum câțiva ani. 07:10.650 --> 07:16.100 Acum sunt chiar mai buni și veți vedea că din aplicația practică pe care o veți codifica împreună au 07:16.170 --> 07:16.760 luat prânzul. 07:16.920 --> 07:18.430 Dar acum să încercăm puțin mai bine. 07:18.430 --> 07:23.770 Ce conectivitate sau rețele neuronale convoluționale sunt de fapt și de ce sunt câștigate atât de multă popularitate. 07:23.970 --> 07:31.380 De fapt, câștigă popularitate, astfel încât să puteți vedea aici o comparație Google Trends pe care am făcut-o chiar ieri. 07:31.770 --> 07:39.420 Aici puteți vedea că această convenție rețelele neuronale iluzorii iau chiar rețelele 07:39.420 --> 07:43.260 neuronale artificiale, deci o creștere masivă. 07:43.260 --> 07:49.530 Și acest lucru va continua în acest fel, deoarece este un domeniu foarte important că în cazul în care toate lucrurile se întâmplă, 07:50.130 --> 07:52.530 cum ar fi ca autovehicule de conducere auto. 07:52.530 --> 07:59.340 Cum recunosc oamenii pe drum cum să recunoască semnele de oprire și cum se face cum Facebook 07:59.340 --> 08:07.680 face Facebook să eticheteze imaginile sau oamenii în imagini și nu doar cum să ții minte în urmă cu câțiva ani în 08:07.980 --> 08:14.240 urmă, a trebuit să le spui oamenilor, recunoașteți chipurile pe care trebuia să le adăugați. 08:14.250 --> 08:18.420 Și acum doar recunoaște fețele și adaugă numele în același timp. 08:18.630 --> 08:26.070 Ei bine, asta este ceea ce rețelele neuronale convoluționale sunt capabile ca fiind pe Facebook. 08:26.160 --> 08:34.710 Dacă Jeffrey Hinton este nașul rețelelor neuronale artificiale și învățarea profundă, atunci Yalla Kuhn este 08:34.830 --> 08:43.650 bunicul rețelelor neuronale convoluționale. Lukken este student al lui Jeffrey Hinton și, de fapt, aici îi 08:43.650 --> 08:45.640 puteți vedea împreună. 08:45.720 --> 08:51.950 Și Jeffrey Hinton este acum un pionier de de-planificare la Google tineri. 08:52.020 --> 08:57.010 Este directorul Facebook al cercetării în domeniul inteligenței artificiale și, de asemenea, un profesor la NYU. 08:57.030 --> 09:02.650 Așadar, suntem conștienți de această parte a nucleului pe care îl construim încet. 09:02.670 --> 09:10.770 Aceste nume reprezintă o astfel de imagine a profilurilor persoanelor care conduc acest câmp, iar în următorii câțiva parți se vor afla mai multe 09:10.950 --> 09:16.680 și vom avea această întreagă mafie așa cum ei se vor numi sau dacă poți apela ei 09:16.680 --> 09:22.320 mafia sau conspirația de învățare profundă și veți învăța un pic mai mult despre modul în 09:22.320 --> 09:24.140 care acest domeniu dezvoltat. 09:24.480 --> 09:27.200 Da, doar ei sunt niște oameni minunați. 09:27.450 --> 09:35.370 Și astfel, RIKOON în anii 80 și 90 a adus contribuții semnificative la domeniul rețelelor neuronale 09:35.370 --> 09:36.300 convoluționale. 09:36.330 --> 09:44.310 Și după cum veți vedea pe parcursul acestui curs a fost capabil să dezvolte sau să ajute lumea să dezvolte ceva 09:44.340 --> 09:46.650 atât de extrem de puternic. 09:46.650 --> 09:51.390 Deci, treceți la modul în care funcționează rețelele neuronale iluzorii. 09:51.420 --> 09:56.150 Aveți o intrare este foarte simplu este foarte simplu, astfel încât acestea au o imagine de intrare. 09:56.160 --> 10:01.930 Se trece prin rețeaua neurală iluzorie și aveți o etichetă, astfel încât aceasta să fie clasificată ca 10:01.990 --> 10:06.630 ceva asemănător cu un Cheet sau un tren de glonte sau altceva. 10:06.790 --> 10:10.780 Acum, cumva mergeți într-un pic mai detaliat. 10:10.900 --> 10:19.540 De exemplu, poți ofițerul neroli să fi fost instruit pe anumite imagini pe anumite imagini clasificate sau imagini clasificate 10:19.780 --> 10:23.600 înainte de a fi fost mai mare înainte. 10:23.710 --> 10:29.510 După aceea puteți să-i dați să spunem că o rețea neuronală a fost pregătită pentru a recunoaște expresii și mișcări 10:29.510 --> 10:37.030 ale feței, pe care le puteți da o față a unei persoane zâmbitoare, nu doar o față ca un desen al unei fețe ca aceasta, ci 10:37.030 --> 10:39.330 chipul real al unei persoane zâmbind . 10:39.430 --> 10:44.910 Și vă spun că persoana respectivă este fericită și puteți obține o imagine a unei persoane care se încruntă. 10:44.910 --> 10:47.180 Îți spun că persoana este tristă. 10:47.280 --> 10:52.570 El poate recunoaște aceste emoții și, după cum puteți vedea, este deja foarte puternic în ceea ce 10:52.570 --> 10:59.740 privește atâtea implicații diferite, doar un exemplu pe care îl puteți gândi imediat și în ambele cazuri vă dau o operabilitate, astfel încât 10:59.740 --> 11:04.970 nu va spune că știți că " re 100 de procente persoana este fericită sau tristă. 11:04.970 --> 11:13.000 Va fi 99 sau 98 sau poate 80 la sută când nu este clar ce se întâmplă și așa cum am avut dreptate 11:13.000 --> 11:16.620 câteodată putem să eronăm lucrurile pentru ceea ce nu sunt. 11:16.660 --> 11:23.620 Sau, uneori, putem uneori nu este clar dacă persoana zâmbește sau se încruntă sau dacă este vorba de un câine sau 11:23.620 --> 11:27.910 o pisică sau dacă este un tren sau un tren de glonț. 11:28.110 --> 11:32.620 În regulă, uneori nu avem așa ceva, nu am văzut suficiente caracteristici în ceea 11:32.980 --> 11:38.600 ce privește caracteristicile, pentru că așa procesăm informațiile vizuale așa cum am văzut de la începutul acestui tutorial. 11:38.620 --> 11:44.140 Deci, dar cum o retea neuronala adapteaza o retea neuronala capabila sa recunoasca aceste caracteristici. 11:44.140 --> 11:48.770 Ei bine, totul începe de la nivelul foarte de bază. 11:48.790 --> 11:54.160 Să presupunem că aveți o imagine pe care aveți două imagini una este o imagine alb-negru 11:54.160 --> 12:01.270 de două cu doi pixeli și una este o imagine color de două cu doi pixeli, în timp ce rețelele neuronale 12:01.270 --> 12:04.690 mobilizeze faptul că imaginea alb-negru este o matrice bidimensională. 12:04.690 --> 12:09.610 Deci modul în care o vedem acum în stânga este doar reprezentarea vizuală. 12:09.630 --> 12:11.110 Presupun un fel de imagine. 12:11.250 --> 12:16.600 Și pentru simplitate este doar o modalitate de a imagina, dar din punct de vedere al calculatorului 12:16.600 --> 12:22.180 este de fapt o matrice bidimensională cu fiecare pixel care are o valoare cuprinsă între 0 și 55. 12:22.360 --> 12:27.670 Deci, asta e opt biți de informație celor doi la puterea celor opt este de 256. 12:27.670 --> 12:32.130 Deci, valorile de la 0 la 255 și acea intensitate a culorii. 12:32.260 --> 12:36.240 Și în acest caz, culoarea alb, deci 0, va fi un pixel complet negru. 12:36.370 --> 12:43.720 255 va fi un pixel complet alb și între ele veți avea gama de nuanțe de gri din posibilele opțiuni pentru 12:43.720 --> 12:44.490 acest pixel. 12:44.650 --> 12:50.740 Și bazându-se pe acele informații, computerele sunt capabile să lucreze apoi cu imaginea și asta este un fel 12:50.740 --> 12:56.510 de punct de plecare că orice imagine are de fapt o reprezentare digitală are o formă digitală. 12:56.620 --> 13:03.460 Și aceștia sunt doar niște esențiale și zerouri care formează un număr de la 0 la 255 pentru fiecare pixel și cu care 13:03.460 --> 13:04.340 lucrează calculatorul. 13:04.340 --> 13:08.410 În realitate nu funcționează cu tine, știți culori sau ceva ce funcționează cu cele și zerouri la sfârșitul 13:08.410 --> 13:08.790 zilei. 13:08.800 --> 13:12.820 Asta e la fel ca fundamentul tuturor. 13:13.360 --> 13:17.110 Și într-o imagine color este de fapt o matrice tridimensională. 13:17.230 --> 13:24.580 Ai albastru pixel albastru Larry Green și strălucirea și săgețile roșii și acel sens pentru RGV albastru 13:24.580 --> 13:25.130 roșu-verde. 13:25.420 --> 13:29.740 Și fiecare dintre aceste culori are propria intensitate. 13:29.740 --> 13:37.010 Deci, practic, un pixel are trei valori atribuite acestuia. 13:37.030 --> 13:41.090 Fiecare dintre ele este între 0 și 256 255. 13:41.380 --> 13:48.340 Și, prin urmare, puteți afla ce este această imagine ce culoare este exact acest pixel. 13:48.340 --> 13:53.520 Prin combinarea acestor trei valori și din nou computerele vor lucra cu asta. 13:53.530 --> 13:58.930 Deci asta este fundamentul întregului canal roșu, canalul verde, canalul albastru. 13:59.530 --> 14:08.590 Și, în sfârșit, să aruncăm o privire la un exemplu de exemplu foarte trivial al unei fețe zâmbitoare. 14:08.820 --> 14:09.610 În termeni de calculator. 14:09.610 --> 14:17.710 Dacă doar simplificăm cu adevărat lucrurile în loc să avem de la 0 la 255 și să avem acele valori doar pentru 14:17.710 --> 14:25.690 a înțelege lucrurile mai bine și pentru a înțelege cu adevărat conceptele pe care le vom spune zero este că albul 14:25.690 --> 14:26.590 este negru. 14:26.590 --> 14:26.800 Dreapta. 14:26.800 --> 14:33.900 Deci, vom simplifica lucrurile la extrem și veți vedea că imaginea poate fi reprezentată astfel. 14:34.000 --> 14:39.150 Deci, motivul pentru care am adus acest lucru este pentru că intrăm în toate intuițiile noastre. 14:39.160 --> 14:44.680 Stroh, ajungem să structurăm o imagine care este foarte simplă, dar în același timp toate acele concepte se 14:44.680 --> 14:50.530 pot traduce înapoi la 0 2 256 gamă de valori și tot ceea ce se aplică în același mod. 14:50.740 --> 14:54.900 Iar pașii vor fi trecuți dacă aceste imagini sunt o evoluție optimă. 14:54.910 --> 14:56.820 Numărul maxim de pauză pentru numărul doi. 14:56.830 --> 15:02.550 Pasul numărul trei aplatizare și pas numărul de o conexiune completă și îmi pot imagina 15:02.560 --> 15:09.880 că probabil toate aceste cuvinte înseamnă mult pentru tine în acest moment, dar la sfârșitul acestei secțiuni a cursului 15:10.000 --> 15:13.940 le veți înțelege în detaliu și exact ce sunt face. 15:13.960 --> 15:16.020 Așa că vom începe în următorul tutorial. 15:16.030 --> 15:24.400 Deocamdată, citirea suplimentară pe care ați putea dori să o analizați este o lucrare originală Lukens care 15:24.640 --> 15:28.200 a dat naștere unei rețele neuronale emoționale. 15:28.200 --> 15:31.590 Se numește învățare pe bază de gradient aplicată cunoașterii documentare. 15:31.660 --> 15:34.550 Este posibil să fi văzut această imagine înainte de a pluti în jurul Internetului. 15:34.630 --> 15:40.990 Este din acea hârtie, deci dacă doriți să vă întoarceți la începuturile modului în care sa întâmplat de unde a ieșit din toate 15:40.990 --> 15:46.420 acestea, este lucrarea pe care trebuie să o priviți și aștept cu nerăbdare să văd în următorul tutorial. 15:46.420 --> 15:48.280 Până atunci se bucură de învățare profundă.