WEBVTT 00:00.300 --> 00:07.170 Hallo en welkom bij deze tutorial in de vorige we hebben de kaart geïnitialiseerd en nu tijd voor de spannende dingen, 00:07.170 --> 00:11.190 we maken de auto en we doen dat met een klas. 00:11.190 --> 00:17.880 Natuurlijk zul je zien dat de klasse erg praktisch is om dingen te creëren die veel eigenschappen hebben, omdat, zoals 00:18.240 --> 00:24.450 je kunt zien, niet alleen enkele variabelen voor mijn auto definieer, maar ook enkele functies, wat natuurlijk de 00:24.480 --> 00:29.780 functie die ervoor zorgt dat de auto naar links, naar rechts of rechtdoor gaat. 00:30.570 --> 00:34.680 We hebben dus een aantal variabelen die belangrijk zijn om de omgeving te beschrijven. 00:35.070 --> 00:41.370 We hebben bijvoorbeeld de hoek, dat is de hoek tussen de x-as en de as van de richting van de 00:41.370 --> 00:41.940 auto. 00:42.540 --> 00:49.140 Dan hebben we de rotatie, wat de laatste rotatie is, die onthouden is ofwel nul graden, 20 graden 00:49.140 --> 00:51.080 of min 20 graden. 00:51.420 --> 00:57.660 Dan hebben we de snelheid, de X-coördinaat van de snelheidsvector en de Y-coördinaat van de snelheidsvector 00:57.660 --> 01:02.460 en dan de vector van coördinaten, snelheid X en snelheid Y. 01:03.280 --> 01:08.710 Dan hebben we de sensoren en de signalen, en dat is heel belangrijk, de oproep die we 01:08.710 --> 01:12.910 doen zal drie sensoren hebben, sensor één, sensor twee en sensor drie. 01:13.360 --> 01:20.530 Sensor één zal detecteren of er een geur voor de auto is, dan is sensor twee de sensor die zal detecteren of 01:20.530 --> 01:23.860 er een geur aan de linkerkant van de auto is. 01:24.250 --> 01:29.350 En sensor drie is de sensor die detecteert of er een geur is aan de rechterkant van de auto. 01:29.770 --> 01:33.550 En dan krijgen we de signalen van deze drie sensoren. 01:33.770 --> 01:36.910 Dat zijn de signalen die door elk van de sensoren worden ontvangen. 01:37.180 --> 01:39.970 Dus signaal één is het signaal dat wordt ontvangen door sensor één. 01:40.270 --> 01:45.690 Signaal twee is het signaal dat wordt ontvangen door sensor twee en signaal drie is het signaal dat wordt ontvangen door sensoren. 01:46.240 --> 01:47.350 En hoe werkt het dan? 01:47.620 --> 01:51.520 Signaal één is de dichtheid van het verzenden rond sensor één. 01:51.760 --> 01:57.220 Signaal twee is de dichtheid van rondzenden aangezien de twee en signaal drie de dichtheid van rondzenden van sensor drie 01:57.220 --> 01:57.790 is. 01:58.090 --> 02:00.340 En hoe berekenen we deze geurdichtheid? 02:00.520 --> 02:01.630 Nou, dat is heel eenvoudig. 02:01.630 --> 02:05.710 We nemen enkele grote vierkanten rond elk van de sensoren. 02:06.010 --> 02:10.240 Dit zijn eigenlijk vierkanten van tweehonderd bij tweehonderd en vier elk van de vierkanten. 02:10.360 --> 02:14.950 We delen het aantal enen in het vierkant door het totale aantal cellen in het vierkant. 02:15.220 --> 02:17.530 Dat is twintig keer twintig is vierhonderd. 02:17.860 --> 02:22.150 En dat geeft ons de dichtheid van cellen omdat die overeenkomen met de geur. 02:22.480 --> 02:27.730 We doen dit voor elke sensor en dat geeft ons de geurdichtheid rond elke sensor. 02:27.730 --> 02:28.900 Dat zijn de signalen. 02:29.470 --> 02:29.860 Oke. 02:29.860 --> 02:34.990 Dus nu hebben we alles om de geur te detecteren en dan hebben we de bewegingsfunctie. 02:35.290 --> 02:40.600 En natuurlijk zorgt de bewegingsfunctie ervoor dat de auto naar links kan gaan, rechtdoor of naar 02:40.600 --> 02:41.100 rechts. 02:41.770 --> 02:43.030 Dus laten we het snel doornemen. 02:43.210 --> 02:49.990 We hebben hier de update van de positie van de auto met zijn laatste positie, die zelf de pas 02:49.990 --> 02:52.090 hier en de snelheidsvector is. 02:52.390 --> 02:58.270 Dus dankzij de snelheidsvector wordt de positie bijgewerkt in de richting van de snelheidsvector. 02:58.780 --> 03:04.770 Dan krijgen we de rotatie, die we verderop in de code hier zullen krijgen. 03:05.170 --> 03:08.140 Rotatie is hier gelijk aan actie tot rotatieactie. 03:08.140 --> 03:10.780 We zullen de actie selecteren en vervolgens de rotatie krijgen. 03:11.230 --> 03:15.100 En dus is deze zelfrotatie gelijk aan rotatie. 03:15.100 --> 03:20.920 Hier is deze rotatie die we leren kennen hoe we de auto moeten draaien die naar links of naar rechts 03:20.920 --> 03:21.490 gaat. 03:22.300 --> 03:28.450 Dan werken we de hoek bij, wat ik eraan herinner is de hoek tussen de x-as en de as van de richting van 03:28.450 --> 03:29.050 de auto. 03:29.440 --> 03:35.290 En als de auto eenmaal is bewogen, moeten we de sensoren en het signaal bijwerken, want natuurlijk, als 03:35.290 --> 03:39.460 de auto net heeft gedraaid, nou ja, de sensoren zijn ook gedraaid. 03:39.730 --> 03:45.160 En daarom moeten we ze roteren met behulp van de roteerfunctie en waaraan we de nieuwe positie toevoegen. 03:45.610 --> 03:48.660 En waarom hebben we deze vector van drie nul? 03:48.940 --> 03:53.740 Dat komt simpelweg omdat dertig de afstand is tussen de auto en de sensor. 03:53.950 --> 03:58.150 Weet je, het is de afstand tussen de auto en wat de auto detecteert. 03:59.020 --> 04:03.900 En als de sensoren eenmaal zijn bijgewerkt, wel, dan is het tijd om de signalen bij te werken. 04:04.060 --> 04:09.180 Dus hier doen we precies wat ik uitleg om de signalen te berekenen, we krijgen X-coördinaten van onze sensor. 04:09.430 --> 04:12.640 Dan nemen we alle cellen van min 10 tot plus 10. 04:13.240 --> 04:18.660 Dan doen we hetzelfde voor de Y-coördinaat, waarbij we alle cellen nemen van min tien tot plus 10. 04:18.940 --> 04:26.560 Dus daarom krijgen we het vierkant van 20 bij 20 pixels rond de sensor en binnen het vierkant met 04:26.620 --> 04:27.780 enkele oudere. 04:28.150 --> 04:34.750 Dus eigenlijk hebben we wat oudere cellen omdat de cellen een nul of een bevatten, en aangezien in een vierkant van 20 04:34.750 --> 04:37.760 bij 20 20 keer 20 gelijk is aan 400 cellen. 04:38.050 --> 04:43.080 Wel, we delen het door 400 om de dichtheid van degenen binnen het vierkant te krijgen. 04:43.330 --> 04:48.110 En zo krijgen we het signaal van de dichtheid van cellen rond de sensor. 04:48.460 --> 04:54.220 En we doen hetzelfde voor de tweede sensor en de derde sensor om het tweede signaal en het derde signaal te 04:54.220 --> 04:54.610 krijgen. 04:55.000 --> 04:56.770 Oké, dus dat is om de geur te detecteren. 04:56.770 --> 04:59.920 En dan zijn de drie regels code hier erg belangrijk. 05:00.070 --> 05:05.650 Het is weer een slechte beloning die we aan onze auto willen geven wanneer deze een van de randen van de kaart 05:05.650 --> 05:05.910 bereikt. 05:06.070 --> 05:11.740 Weet je, we willen niet dat de auto tegen een muur botst en daarom willen we hem straffen, hem straffen 05:11.740 --> 05:14.050 als hij te dicht bij een muur komt. 05:14.470 --> 05:16.000 En daarom doen we dat hier. 05:16.480 --> 05:24.440 Als de eerste sensor groter is dan langer, min 10, dan is dat groter dan hier omdat deze afstand hier langer 05:24.460 --> 05:25.110 is. 05:25.120 --> 05:27.170 Dus langer, min 10 is hier. 05:27.460 --> 05:33.910 Dus als sensor één groter is dan langer, minus 10 betreft, alle punten die hier zijn, dat wil zeggen 05:33.910 --> 05:41.950 als de auto dichter bij de rechterrand van de kaart komt of als zelfsensor één X lager is dan 10 stappen hier, als de 05:41.950 --> 05:48.380 auto komt dichter bij de linkerrand van de kaart, of als sensor Y groter is dan groter, min 05:48.400 --> 05:51.580 10, is dat de bovenrand van de kaart. 05:52.000 --> 05:57.770 En of als zelfsensor Y lager is dan 10, dan is dat de onderkant van de kaart. 05:58.540 --> 06:05.710 En dus als de sensor een van deze vier randen bereikt, nou, dan zullen we het signaal van het 06:05.710 --> 06:06.790 sensorsignaal plaatsen. 06:06.800 --> 06:07.900 Een daarvan is de signaalsensor. 06:07.900 --> 06:10.000 Eén, we zullen het instellen op één. 06:10.360 --> 06:11.250 En wat betekend dat? 06:11.500 --> 06:15.160 Dat betekent volledige verzending als een volledige geurdichtheid. 06:15.430 --> 06:16.960 Het is het ergste wat je kunt krijgen. 06:17.140 --> 06:19.330 Er is zoveel gevoel dat het je auto gaat stoppen. 06:19.510 --> 06:23.740 Signaal zal dus één zijn en daarom zal de auto een verschrikkelijk slechte beloning krijgen. 06:24.320 --> 06:24.760 Oke. 06:24.760 --> 06:29.320 En dan doen we hetzelfde voor signaal twee en signaal drie van sensor naar intensief drie. 06:30.230 --> 06:35.870 Oké, en dan maken we de gameklasse, dus dat is eigenlijk de klasse om de game te maken, want tot 06:35.870 --> 06:40.420 nu toe hebben we alleen de auto gemaakt en nu moeten we natuurlijk de kaart maken. 06:40.670 --> 06:44.210 We moeten het spel zelf maken, dus we zullen het spel niet spelen. 06:44.390 --> 06:46.580 Het is onze A. L. dat zal het spel spelen. 06:46.730 --> 06:51.930 En het spel is eigenlijk om de obstakels te ontwijken en van het vliegveld naar het centrum te gaan en vice versa. 06:52.400 --> 06:57.230 Dus in deze spelklasse moeten we een aantal objecten maken, zoals de auto. 06:57.420 --> 07:00.050 Dan moeten we de update-functie definiëren. 07:00.440 --> 07:01.690 Dat is het belangrijkste. 07:01.700 --> 07:06.650 En eigenlijk zullen we ons daar nu op concentreren, want dat is in deze update-functie die de 07:06.980 --> 07:11.830 actie selecteert die de auto op elk moment moet doen om zijn doel te bereiken. 07:12.170 --> 07:18.350 En deze sectie is precies de output van ons neurale netwerk, het neurale netwerk dat de kern zal 07:18.350 --> 07:20.290 vormen van onze kunstmatige intelligentie. 07:20.750 --> 07:27.050 En dus wordt deze actie geretourneerd door het brein van de auto, waarvan ik eraan herinner dat het het object is van onze DEJUAN-klasse die 07:27.050 --> 07:29.360 in onze A. L. het dossier. 07:29.750 --> 07:36.500 En dit object heeft een methode die update wordt genoemd, en het heeft als invoer de laatste beloning en het laatste 07:36.500 --> 07:36.920 signaal. 07:37.460 --> 07:40.730 Dus de laatste beloning is natuurlijk de laatste beloning die de auto heeft behaald. 07:41.060 --> 07:47.330 En het laatste signaal is natuurlijk het laatste signaal van de drie sensoren signaal één van sensor één, 07:47.420 --> 07:50.990 signaal twee van sensor tot signaal drie van sensor drie. 07:51.320 --> 07:56.590 Maar dan voeg ik nog twee andere inputs toe, namelijk de oriëntatie van de auto ten opzichte van het doel. 07:56.750 --> 08:01.360 Dus als de auto bijvoorbeeld richting het doel rijdt, is de oriëntatie gelijk aan nul. 08:01.550 --> 08:06.380 Als het iets naar rechts gaat, zal de oriëntatie bijna vijfenveertig graden zijn. 08:06.740 --> 08:11.000 En als het iets naar links gaat, zal de oriëntatie dicht bij min vijfenveertig graden zijn. 08:11.780 --> 08:14.930 Dus dat is de vierde invoer van onze invoerstatus. 08:15.230 --> 08:18.580 En dan is er nog de minder input die min oriëntatie is. 08:18.860 --> 08:22.470 Dus meestal zijn de ingangen van een neuraal netwerk onafhankelijk. 08:22.490 --> 08:27.590 Er is geen lineariteit met meerdere auto's, maar het maakt niet echt uit of we dit hadden, want het neurale netwerk lost 08:27.590 --> 08:29.000 dat gewoon op met de gewichten. 08:29.330 --> 08:35.240 Maar toch merkte ik dat door deze min-oriëntatie toe te voegen, de auto, de training van 08:35.240 --> 08:37.570 de auto, de verkenning kan stabiliseren. 08:37.760 --> 08:43.220 Weet je, we doen dit zodat de A. L. verkent niet altijd in dezelfde richting door deze 08:43.220 --> 08:44.330 minusoriëntatie toe te voegen. 08:44.330 --> 08:48.380 We zorgen ervoor dat het in beide richtingen verkent, rechts of links. 08:48.740 --> 08:55.700 En dus zijn dit de drie signalen, plus de oriëntatie en min oriëntatie de vijf ingangen van onze 08:55.700 --> 08:58.600 gecodeerde vector, die in het netwerk gaan. 08:58.910 --> 09:02.180 Dat is onze invoervector die in het netwerk gaat. 09:02.720 --> 09:08.810 En nadat het in het netwerk is gegaan, nou, het netwerk retourneert de uitgangen, wat de actie is die elke 09:08.810 --> 09:10.220 keer moet worden gespeeld. 09:10.580 --> 09:15.710 En de output wordt geretourneerd door deze updatefunctie die het netwerk zelf en de outputs van het netwerk 09:15.710 --> 09:16.300 bevat. 09:16.760 --> 09:19.700 En daarom moeten we het laatste signaal invoeren. 09:19.700 --> 09:25.910 Dat is de invoerstatus en ook de mindere beloning, omdat de te spelen actie ook afhangt van het laatste woord. 09:26.770 --> 09:33.100 Oké, en dan werken we de gemiddelde score van de prijzen bij, we werken de rotatie bij, we gebruiken 09:33.100 --> 09:37.000 de verplaatsingsfunctie om de auto te draaien volgens de geselecteerde actie. 09:37.330 --> 09:43.330 We werken de afstand van de auto tot het doel bij en we krijgen de posities van de sensoren. 09:43.450 --> 09:48.100 Bal één, kom twee en drie komen overeen met de ballen die de sensoren op de kaart vertegenwoordigen. 09:48.340 --> 09:49.570 Dat zie je heel snel. 09:50.410 --> 09:55.990 En dan hier, dat deel is erg belangrijk, want daar bestraffen we de auto als hij 09:55.990 --> 10:03.880 naar een bepaald centrum gaat, want zoals je kunt zien, betekent dit dat als de auto op wat zand staat, hij zal worden afgeremd. 10:04.010 --> 10:06.100 Dus daar verminderen we de snelheid. 10:06.730 --> 10:09.780 De snelheid is meestal zes, zoals je hier kunt zien. 10:09.940 --> 10:12.430 En als het overgaat in wat zand, zal het er een zijn. 10:12.520 --> 10:14.110 Dus het zal worden vertraagd tot één. 10:14.260 --> 10:17.370 Je zult zien hoe de auto wordt afgeremd zodra hij op wat zand gaat. 10:17.950 --> 10:18.940 Het gaat dus langzamer. 10:19.030 --> 10:21.490 En bovendien krijgt het een slechte beloning. 10:21.670 --> 10:23.380 Het krijgt een min één beloning. 10:23.740 --> 10:25.750 En dat is eigenlijk de slechtste beloning die je kunt krijgen. 10:25.990 --> 10:27.370 De beste beloning is er één. 10:27.550 --> 10:33.360 De slechtste beloning is min één, en de beloning ligt tussen min één en plus één en anders. 10:33.370 --> 10:38.950 En de auto staat niet op het zand terwijl hij zijn gebruikelijke snelheid van zes aanhoudt. 10:39.400 --> 10:40.720 En dan voegen we nog iets toe. 10:40.900 --> 10:45.490 Als het dichter bij het doel komt, krijgt het een licht positieve beloning. 10:45.700 --> 10:52.360 En als het verder van het doel af komt, tja, dan krijgt het een licht negatieve beloning, minus open voor. 10:53.410 --> 10:56.990 En dan de laatste voorwaarden die te maken hebben met de beloning. 10:57.280 --> 11:02.440 Dat is als de auto te dicht bij een van de randen komt, zoals we eerder zeiden. 11:02.740 --> 11:08.230 Weet je nog toen we het over full zeiden, nou, als de auto te dicht bij de linkerrand van 11:08.230 --> 11:10.780 de kaart komt, krijgt hij min één beloning. 11:11.110 --> 11:15.040 Als het te dicht bij de rechterrand van de kaart komt, krijgt het een beloning min één. 11:15.520 --> 11:19.860 En als het te dicht bij de onderkant van de kaart komt, krijgt het een beloning min één. 11:20.170 --> 11:25.150 En als het te dicht bij de linkerbovenhoek van de kaart komt, krijgt het een beloning min één. 11:25.160 --> 11:27.160 Dus dat is een vreselijke straf. 11:27.440 --> 11:30.970 En zo zul je zien hoe het snel zal gaan om je niet op iets anders te haasten. 11:31.750 --> 11:32.190 Oke. 11:32.200 --> 11:36.370 En dan is dit om het doel bij te werken wanneer het doel is bereikt. 11:36.490 --> 11:40.930 Dus, weet je, wanneer de auto het vliegveld bereikt, wat het eerste doel is, dat is 11:40.930 --> 11:45.790 de linkerbovenhoek van de kaart, terwijl het doel verandert in de rechterbenedenhoek van de kaart, dat is het centrum. 11:46.060 --> 11:47.470 En dat is precies wat we hier doen. 11:47.470 --> 11:53.710 We werken de coördinaten van het doel en de Y-coördinaten van het doel bij, en vervolgens werken we de afstand van de auto 11:53.710 --> 11:54.840 tot het doel bij. 11:55.720 --> 11:56.190 Oke. 11:56.200 --> 11:58.190 En dan is dat minder belangrijk. 11:58.210 --> 12:05.290 Dat is gewoon een klasse die de tekengereedschappen zal toevoegen zodat we sommige wegen of obstakels op de kaart kunnen 12:05.290 --> 12:05.980 schilderen. 12:06.250 --> 12:08.030 Dat heeft meer met grot te maken. 12:08.050 --> 12:09.220 U kunt een kijkje nemen als u wilt. 12:09.430 --> 12:15.370 Ik zal de beginversie van deze code geven en ik zal wat referentie geven als je dieper wilt gaan en hoe 12:15.370 --> 12:17.140 je dat met cavey kunt doen. 12:17.470 --> 12:22.330 Maar we komen verder van kunstmatige intelligentie, dus ik ga niet in op de details ervan. 12:22.720 --> 12:26.650 En dat is hetzelfde voor de laatste codesectie hier met de huidige klasse. 12:26.980 --> 12:31.020 Dat is gewoon om de API-knoppen toe te voegen, te wissen, op te slaan en te laden. 12:31.360 --> 12:32.680 Dus dat is wat we hier doen. 12:32.680 --> 12:34.510 Duidelijk canvas veilig. 12:34.720 --> 12:36.040 En dat is eigenlijk heel belangrijk. 12:36.040 --> 12:42.370 Dat is voor ons om de A te kunnen redden. L. , weet je, om het brein te redden zodat je 12:42.370 --> 12:47.620 het later opnieuw kunt gebruiken door de laadfunctie te gebruiken, wat een ander hulpmiddel is dat we op de kaart toevoegen om het brein van de 12:47.650 --> 12:51.550 auto te laden, dat wil zeggen om het geheugen van de auto te laden, hoe navigeren in de kaart. 12:52.030 --> 12:57.220 En dan tot slot hebben we de laatste van de laatste codesectie, die het hele ding bestuurt, dat wil zeggen dat de kaart 12:57.460 --> 13:00.210 en de A. L. zelf. 13:00.790 --> 13:03.030 En eigenlijk gaan we dat nu doen. 13:03.430 --> 13:06.490 Laten we eens kijken naar alles wat we maken in deze code. 13:06.910 --> 13:10.150 Dus nu de A. L. wordt niet uitgevoerd. 13:10.360 --> 13:13.570 De auto zal dus een zeer willekeurige beweging hebben. 13:13.780 --> 13:15.870 Het zal er echt uitzien als een insect. 13:15.880 --> 13:17.380 Maar maak je geen zorgen, dat lossen we op. 13:17.620 --> 13:24.820 We zullen hem niet alleen trainen om te bewegen als een echte auto en hem ook trainen om bepaalde wegen te volgen en 13:24.820 --> 13:26.050 obstakels te vermijden. 13:26.500 --> 13:27.500 Dus laten we dit doen. 13:27.520 --> 13:31.990 Ik ga alles selecteren en uitvoeren. 13:32.350 --> 13:34.820 En hier is de kaart en hier is de auto. 13:35.500 --> 13:36.000 Oke. 13:36.010 --> 13:41.160 Dus dat is een klein ding dat je ziet dat eruitziet alsof een insect onze auto is. 13:41.470 --> 13:45.720 Dus zoals ik je al zei, de acties zijn volledig willekeurig. 13:46.060 --> 13:53.330 Dus bij elke actie kiest de auto willekeurig of hij recht naar links of naar rechts gaat. 13:53.800 --> 13:58.580 Dus daarom maakt het wat onzinnige bewegingen en daarom ziet het eruit als een insect. 13:59.290 --> 14:01.210 Dus dat lossen we natuurlijk wel op. 14:01.570 --> 14:08.080 En natuurlijk, aangezien de A. L. is geactiveerd, nou, het gaat niet 14:08.080 --> 14:12.790 naar het doel, dat is de luchthaven hier of naar het centrum rechtsonder op de kaart. 14:13.580 --> 14:16.050 En we zullen dit allemaal oplossen door het ijs te maken. 14:16.110 --> 14:24.500 We zullen de EHI in deze auto of dit insect implementeren, zodat je de drie ballen hier kunt zien, de gele, de 14:24.500 --> 14:26.180 rode en de witte. 14:26.480 --> 14:28.020 Dat zijn onze drie sensoren. 14:28.070 --> 14:32.210 Dus dat is wat zal detecteren dat er wat geur omheen zit. 14:32.630 --> 14:35.300 En over geur gesproken, laten we er een paar gooien. 14:35.570 --> 14:41.300 Dus om dit te doen, moet ik hier snel naar links gaan en. 14:42.390 --> 14:45.040 Je weet wel, wat zand tekenen door nog steeds links te klikken. 14:45.360 --> 14:52.290 Dus op dit moment voeg ik wat zand toe, we kunnen wat meer toevoegen, dus elke keer dat je zand toevoegt en je 14:52.620 --> 14:56.700 kunt zien dat als je er zand in doet, dat de zandreeks is. 14:56.940 --> 14:59.590 Dat zijn de nul nul coördinaten van de oorsprong. 15:00.000 --> 15:01.710 En hier zijn er veel. 15:01.920 --> 15:03.900 En zoals je kunt zien, nou, dat is goed om te zien. 15:03.900 --> 15:06.890 De auto ging gewoon het zand in en remde af. 15:07.500 --> 15:13.620 Dus zoals je nu kunt zien, gaat het echt langzamer omdat het het zand in gaat en nu probeert 15:13.620 --> 15:14.640 het te ontsnappen. 15:16.140 --> 15:22.050 En dus, weet je, wat we zullen doen, is dat we wat wegen tekenen en, uh, we zullen wegen tekenen van het vliegveld 15:22.260 --> 15:27.690 naar het centrum en we zullen de auto trainen om op de weg te blijven en de obstakels te vermijden. 15:28.290 --> 15:28.760 Oke. 15:28.770 --> 15:31.740 En zoals je kunt zien, is er de duidelijke knop om het zand te verwijderen. 15:32.070 --> 15:36.860 Er is de save-knop om het brein van de auto te redden. 15:37.110 --> 15:43.170 En eigenlijk is er deze kerncurve waar we het over hadden, die veiligheid die je model redt, eigenlijk het brein 15:43.380 --> 15:44.400 van je auto. 15:44.880 --> 15:50.850 En dan kun je weten, wanneer je je code achterlaat of je computer uitzet en je wilt er weer naar 15:50.850 --> 15:57.720 terug, je kunt de laadknop gebruiken om je model te laden, dat wil zeggen om de hersenen te laden en dat zal 15:57.720 --> 15:59.260 de treinen krijgen . 15:59.280 --> 16:00.790 Ik heb je auto. 16:01.590 --> 16:02.130 Oke. 16:02.140 --> 16:07.320 Dus nu kan ik niet wachten om te beginnen met het maken van de I, dit wordt heel leuk. 16:07.350 --> 16:13.640 Zal ons neurale netwerk maken en we zullen de auto straffen zodra hij niet doet wat we willen. 16:13.980 --> 16:16.020 Dus laten we dat doen vanaf de volgende tutorial. 16:16.230 --> 16:18.270 En tot die tijd, geniet van I.