WEBVTT 00:00.580 --> 00:02.850 Hallo und willkommen im Laden. 00:03.040 --> 00:07.040 Nun gut, jetzt werden wir künstliche Intelligenz von Grund auf implementieren. 00:07.040 --> 00:08.870 Wir werden es Zeile für Zeile schneiden. 00:09.070 --> 00:12.550 In diesem ersten guten Abschnitt werden wir die Bibliotheken importieren. 00:12.550 --> 00:17.880 Bevor wir jedoch mit diesem ersten Codeabschnitt beginnen, möchte ich die Verbindung zwischen der 00:17.890 --> 00:20.140 KI und unserer Karte erklären. 00:20.560 --> 00:24.000 Deshalb setzen wir das für sie um. 00:24.040 --> 00:27.880 Was ist der Zweck unserer KI und wo werden wir sie einsetzen? 00:27.880 --> 00:30.160 Also ist es eigentlich sehr einfach. 00:30.170 --> 00:34.900 Wir machen nur unsere KI, um die richtige Aktion auszuwählen und jedes Mal. 00:35.140 --> 00:42.390 OK, wir importieren die Klasse aus unserer Datei, so dass wir diese D2 in der Klasse in dieser Datei erstellen. 00:42.580 --> 00:51.220 Dann importieren wir sie nur, um die richtige Aktion auszuwählen, die zu jedem Zeitpunkt gespielt werden soll, und wir wählen diese Aktion genau 00:51.490 --> 00:53.070 in dieser Zeile aus. 00:53.080 --> 01:00.580 Aktion entspricht Gehirnaktualisierung weniger Belohnung weniger Signal weniger Signal wird der Eingang des neuronalen Netzwerks sein. 01:00.760 --> 01:05.950 Sie wissen, es besteht aus den drei Signalen der Sensoren sowie der Orientierung und der Minus-Orientierung. 01:06.130 --> 01:09.890 Das sind also die Eingänge, aber dann ist die Ausgabe die zu spielende Aktion. 01:10.030 --> 01:14.970 Und das ist nur das, was wir von unserer KI nehmen werden, die ich fühlen wollte. 01:15.250 --> 01:16.310 Denken Sie also daran. 01:16.390 --> 01:17.590 Es ist sehr einfach. 01:17.590 --> 01:25.900 Wir importieren zuerst die Entkriminalisierung aus der KI. KI und dann das Objekt Gehirn aus der menschlichen Klasse, das die 01:25.990 --> 01:32.110 kodierten Vektoren für die Zustände der fünf Dimensionen als die drei Signale plus Orientierung 01:32.290 --> 01:33.970 plus Minus-Orientierung eingibt. 01:34.030 --> 01:36.910 Reaktionen gehen nach links oder nach rechts. 01:37.030 --> 01:38.470 Und dann dieser Gamma-Parameter. 01:38.560 --> 01:42.410 Das sind die einzigen Parameter der Klasse, die wir erstellen werden. 01:42.490 --> 01:50.140 Sobald wir dieses Objekt erstellt haben, wählen wir in der Spielklasse die Aktion aus, die zu jedem Zeitpunkt gespielt werden soll. 01:50.140 --> 01:51.760 Und das hängt vom letzten Wort ab. 01:51.940 --> 01:58.450 Und das Lusignan ist der Input, und das ist der einzige Grund, warum dies gesagt werden soll, damit 01:58.450 --> 02:03.620 eine echte künstliche Intelligenz die richtigen Aktionen spielt, dann immer die richtige Bewegung, anstatt 02:04.030 --> 02:08.480 zufällige Aktionen zu haben, wie wir im vorherigen Tutorial beobachtet haben. 02:08.500 --> 02:12.620 Also gut, lass uns das tun, lass uns unsere künstliche Intelligenz implementieren. 02:12.760 --> 02:18.430 Und wie gesagt, wir importieren zunächst alle Bibliotheken, die wir zur Implementierung verwenden. 02:18.460 --> 02:21.160 Auf diese Weise haben wir alle Werkzeuge, die wir brauchen. 02:21.160 --> 02:22.790 Also gut, fangen wir mit dem ersten an. 02:22.810 --> 02:28.870 Die erste ist die unvermeidliche nicht bezahlte Bibliothek der nicht-thailändischen Bibliothek. 02:28.870 --> 02:35.270 Ich empfehle immer, es zu importieren, es ist die Bibliothek, in der wir mit den Irakern spielen und arbeiten können. 02:35.620 --> 02:40.180 Und das hier ist nur eine Abkürzung für mehr Komfort, wenn wir die Nummer verwenden wollen. 02:40.590 --> 02:44.050 Alles klar, dann ist die zweite Bibliothek zufällig. 02:44.050 --> 02:50.530 Dies ist nur deshalb der Fall, weil wir beim Implementieren der Erfahrungswiedergabe einige Stichproben aus verschiedenen 02:50.530 --> 02:51.770 Batches nehmen werden. 02:51.940 --> 02:54.650 Also müssen wir diese zufällige Bibliothek auch importieren. 02:54.880 --> 03:02.470 Dann werden wir os importieren, das nur dann nützlich ist, wenn wir das Modell laden wollen, denn sobald das Modell fertig ist, 03:02.470 --> 03:08.710 werden wir etwas Code zum Speichern des Modells und dann einen weiteren Code zum Laden des Modells implementieren. 03:08.700 --> 03:14.140 Wir möchten, dass Sie das Gehirn retten und das Gehirn laden, wenn Sie Ihren Computer herunterfahren möchten 03:14.140 --> 03:18.850 und wir das Gehirn, das zuvor für ein neues Experiment trainiert wurde, verwenden. 03:19.060 --> 03:20.410 Das ist also wichtig. 03:20.740 --> 03:27.230 Dann importieren wir die Fackelbibliothek. 03:27.250 --> 03:32.170 Das liegt daran, dass wir unser neuronales Netzwerk mit meiner Taschenlampe implementieren werden, was ich für 03:32.170 --> 03:36.670 künstliche Intelligenz viel mehr empfehle als die anderen, da es dynamische Diagramme verarbeiten kann. 03:36.670 --> 03:46.150 Wir gehen also mit Fackel und dann von Fackel importieren wir Fackelstart und das Ende ist das wichtigste Modul, nämlich 03:46.150 --> 03:51.730 das Modul, das alle Werkzeuge zur Implementierung einiger neuronaler Netzwerke enthält. 03:51.820 --> 03:57.370 Und natürlich wird es ein tiefes neuronales Netzwerk geben, das als Eingang die 03:57.370 --> 04:03.910 drei Signale der drei Sensoren plus Orientierung und Minus-Orientierung übernimmt und als Ausgabe die wiedergegebene Aktion zurückgibt. 04:04.090 --> 04:09.220 Nun, um tatsächlich die q-Werte der verschiedenen Aktionen zurückzugeben und einen weichen Max zu verwenden. 04:09.220 --> 04:15.970 Wir werden die Aktion wiederholen, um nur eine der relevantesten zu spielen, 04:16.000 --> 04:26.500 um die Karten für die Folterung zu erreichen, und im Wesentlichen werden wir eine Abkürzung für das Funktionspaket geben. 04:26.550 --> 04:29.960 Ab hier gehen wir mit dem Funktionspaket von Ende und Maggio aus. 04:29.970 --> 04:36.310 Dieses Funktionspaket enthält also die verschiedenen Funktionen, die wir beim Implementieren eines neuronalen Netzwerks verwenden. 04:36.340 --> 04:42.240 In der Regel wird also die letzte Funktion den Google-Verlust verwenden, da dadurch die Konvergenz verbessert 04:42.240 --> 04:46.950 wird und der Verlust in diesem Funktionsmodul vom Endmodul enthalten ist. 04:47.190 --> 04:54.330 Und da das alles ziemlich lang ist, geben wir ihm eine Abkürzung und nennen es einfach f. 04:54.460 --> 04:57.260 Dann sind nur noch 3 Module zu importieren. 04:57.340 --> 05:05.710 Der nächste ist also ein weiterer zentraler, der an ihm liegt, und wir nehmen ihn noch aus der Folterbibliothek, und 05:06.220 --> 05:12.870 dann gehen wir hinauf und lassen ihn einfach zu ihm rufen, anstatt Atom zu quälen. 05:13.030 --> 05:15.250 Das ist natürlich für den Optimierer. 05:15.340 --> 05:22.030 Wir werden einige Optimierer importieren, um C-Grade in dem Sinne durchzuführen, dass wir sie auf jeden 05:22.030 --> 05:25.100 Fall brauchen und dann Autogramme importieren müssen. 05:25.210 --> 05:28.670 Und das ist nur, um die variable Klasse von unserem Bedauern zu nehmen. 05:29.170 --> 05:31.630 Der Zweck ist also ein bisschen technisch. 05:31.630 --> 05:39.010 Grundsätzlich müssen wir die Variablenklasse importieren, um eine Konvertierung von Tensoren vorzunehmen, die fortgeschritteneren Arrays ähneln, 05:39.010 --> 05:43.160 um alles zu vermeiden, was einen Farbverlauf enthält. 05:43.210 --> 05:46.640 Wir wollen also nicht nur einen Tensor alleine haben. 05:46.660 --> 05:51.940 Wir möchten den Tensor in eine Variable setzen, die auch einen Gradienten enthält. Dazu müssen 05:51.940 --> 05:58.350 Sie die Variablenklasse verwenden, um diesen Tensor in eine Variable zu konvertieren, die den Tensor und den Gradienten enthält. 05:58.520 --> 06:02.550 Das ist ein bisschen technisch, aber das müssen wir bei der Arbeit mit PI-Brenner tun. 06:02.680 --> 06:04.830 Und das machen wir dank der variablen Klasse. 06:04.840 --> 06:13.220 Aber bevor wir die variable Klasse bekommen, müssen 06:13.220 --> 06:26.430 wir Fackel importieren, die grad ist, und wir geben eine Abkürzung sowie einen Undergrad. 06:26.560 --> 06:31.390 Und jetzt haben wir alle Bibliotheken, die wir zur Implementierung unserer KI verwenden werden. 06:31.600 --> 06:34.050 Wir werden uns also nicht darum kümmern, andere Bibliotheken zu importieren. 06:34.060 --> 06:35.670 Wir haben alle Werkzeuge, die wir brauchen. 06:35.830 --> 06:40.000 Und jetzt sind wir bereit, die Architektur des neuronalen Netzwerks zu schaffen. 06:40.030 --> 06:42.680 Genau das machen wir im nächsten Tutorial. 06:42.760 --> 06:44.370 Und bis dahin genießen Sie AI.