WEBVTT 00:00.580 --> 00:02.850 Olá e seja bem vindo à loja. 00:03.040 --> 00:07.040 Tudo bem, então agora vamos implementar inteligência artificial a partir do zero. 00:07.040 --> 00:08.870 Vamos cortá-lo linha a linha. 00:09.070 --> 00:12.550 E nesta primeira boa seção vamos importar as bibliotecas. 00:12.550 --> 00:17.880 Mas antes de começar com esta primeira seção de código, gostaria de explicar a conexão 00:17.890 --> 00:20.140 entre o AI eo nosso mapa. 00:20.560 --> 00:24.000 É por isso que estamos implementando isso para eles. 00:24.040 --> 00:27.880 Qual é o propósito de nossa AI e onde iremos usá-la. 00:27.880 --> 00:30.160 Então, na verdade, é muito simples. 00:30.170 --> 00:34.900 Nós estamos fazendo apenas a nossa IA para selecionar a ação correta e cada vez. 00:35.140 --> 00:42.390 Então, importamos a classe do nosso arquivo, então vamos fazer este D2 em sala de aula neste arquivo. 00:42.580 --> 00:51.220 Mas então, importamos apenas para selecionar a ação correta para jogar em cada momento e selecionamos essa ação 00:51.490 --> 00:53.070 exatamente nesta linha. 00:53.080 --> 01:00.580 Ação é igual a atualização cerebral menos recompensa menos sinal menos sinal será a entrada da rede neural. 01:00.760 --> 01:05.950 Você sabe que é composto dos três sinais dos sensores mais a orientação e orientação negativa. 01:06.130 --> 01:09.890 Então, essas são as entradas, mas a saída é a ação a ser executada. 01:10.030 --> 01:14.970 E é só o que vamos tomar da nossa AI. Eu senti que estamos prestes a fazer. 01:15.250 --> 01:16.310 Portanto, tenha isso em mente. 01:16.390 --> 01:17.590 É muito simples. 01:17.590 --> 01:25.900 Primeiro importamos a descriminalização da IA ​​AI, então criamos o cérebro do objeto da classe humana, que toma como entradas 01:25.990 --> 01:32.110 os vetores codificados para os estados de cinco dimensões, os três sinais mais a orientação, 01:32.290 --> 01:33.970 além da orientação negativa. 01:34.030 --> 01:36.910 Reacções vão para a esquerda, siga em frente ou vá para a direita. 01:37.030 --> 01:38.470 E, em seguida, esse parâmetro gama. 01:38.560 --> 01:42.410 Esse é o único parâmetro da aula que faremos. 01:42.490 --> 01:50.140 E então, uma vez que criamos esse objeto, selecionamos na classe do jogo a ação a ser tocada em cada momento. 01:50.140 --> 01:51.760 E isso depende da última palavra. 01:51.940 --> 01:58.450 E o Lusignan que é o insumo e é tudo o que é o único propósito de fazer isso 01:58.450 --> 02:03.620 dizer que, para ter uma inteligência artificial real, jogando as ações corretas, cada vez que 02:04.030 --> 02:08.480 o movimento direito, ao invés de ter ações aleatórias, como observamos no tutorial anterior. 02:08.500 --> 02:12.620 Tudo bem, então vamos fazer isso, vamos implementar nossa inteligência artificial. 02:12.760 --> 02:18.430 E, como dissemos, vamos começar por importar todas as bibliotecas que usaremos para implementar. 02:18.460 --> 02:21.160 Então, assim, teremos todas as ferramentas de que precisamos. 02:21.160 --> 02:22.790 Tudo bem, então comecemos com o primeiro. 02:22.810 --> 02:28.870 A primeira é a inevitável biblioteca não-pagadora da biblioteca não-tailandesa. 02:28.870 --> 02:35.270 Eu sempre recomendo importá-lo, é a biblioteca que nos permite jogar e trabalhar com os iraquianos. 02:35.620 --> 02:40.180 E isso aqui é apenas um atalho mais conveniência quando queremos usar o número. 02:40.590 --> 02:44.050 Tudo bem, então a segunda biblioteca é aleatória. 02:44.050 --> 02:50.530 Então, isso é apenas porque iremos tirar algumas amostras aleatórias de lotes diferentes ao implementar a 02:50.530 --> 02:51.770 repetição da experiência. 02:51.940 --> 02:54.650 Então, temos que importar esta biblioteca aleatória também. 02:54.880 --> 03:02.470 Então, iremos importar os que serão úteis quando queremos carregar o modelo porque você sabe que, uma vez que o modelo 03:02.470 --> 03:08.710 esteja pronto, implementaremos algum código para salvar o modelo e depois outro código para carregar o modelo. 03:08.700 --> 03:14.140 É quando queremos que você saiba, salve o cérebro e carregue o cérebro sempre que quiser desligar 03:14.140 --> 03:18.850 seu computador e nós usamos o cérebro que foi treinado antes para alguma experiência nova. 03:19.060 --> 03:20.410 Então isso é importante. 03:20.740 --> 03:27.230 Então, vamos importar a biblioteca da tocha essencial. 03:27.250 --> 03:32.170 muito mais do que os outros para a inteligência artificial, pois pode lidar com gráficos dinâmicos. 03:32.170 --> 03:36.670 Isso é porque vamos implementar nossa rede neural com minha tocha, o que eu recomendo 03:36.670 --> 03:46.150 Então, nós vamos com torche, então, do torche, vamos importar o início do torche e o final do módulo final é o mais essencial 03:46.150 --> 03:51.730 que é o módulo que contém todas as ferramentas para implementar algumas redes neurais. 03:51.820 --> 03:57.370 E é claro que haverá uma rede neural profunda que tomará como entradas os três 03:57.370 --> 04:03.910 sinais dos três sensores mais orientação e orientação negativa e retornará como saída a ação para jogar. 04:04.090 --> 04:09.220 Bem, na verdade, devolver os valores q das diferentes ações e usar um Max macio. 04:09.220 --> 04:15.970 Nós devolveremos a ação para jogar apenas uma a mais relevante para 04:16.000 --> 04:26.500 realizar os cartões para a tortura e, na maioria dos mais importantes, vamos dar um atalho ao pacote funcional. 04:26.550 --> 04:29.960 A partir daqui, vamos com o pacote funcional do final e Maggio. 04:29.970 --> 04:36.310 Portanto, este pacote funcional contém as diferentes funções que usamos ao implementar uma rede neural. 04:36.340 --> 04:42.240 Então, tipicamente, a última função usará a perda do Google porque isso melhora a 04:42.240 --> 04:46.950 convergência e a perda está contida neste submódulo funcional do módulo final. 04:47.190 --> 04:54.330 E, como tudo isso é bastante longo, nós vamos dar um atalho e nós vamos chamar isso simplesmente. 04:54.460 --> 04:57.260 Então, apenas 3 módulos para importar para a esquerda. 04:57.340 --> 05:05.710 Então, o próximo é outro central que cabe a ele e nós o aceitamos ainda da biblioteca de tortura 05:06.220 --> 05:12.870 e, em seguida, vamos e vamos chamá-lo para ele em vez de átomo de tortura. 05:13.030 --> 05:15.250 Isso é claro para o otimizador. 05:15.340 --> 05:22.030 Vamos importar alguns otimizadores para executar o grau C no sentido, então nós definitivamente 05:22.030 --> 05:25.100 precisamos dele e então precisamos importar autógrafos. 05:25.210 --> 05:28.670 E isso é apenas para tirar a classe variável de nosso arrependimento. 05:29.170 --> 05:31.630 Então, o objetivo é um pouco técnico. 05:31.630 --> 05:39.010 Basicamente, precisamos importar a classe variável para fazer alguma conversão de tensores que são como matrizes 05:39.010 --> 05:43.160 mais avançadas para evitar tudo que contenha um gradiente. 05:43.210 --> 05:46.640 Então, é como se não queremos ter apenas um tensor por si só. 05:46.660 --> 05:51.940 Queremos colocar o tensor em uma variável que também conterá um gradiente e, para isso, 05:51.940 --> 05:58.350 precisamos usar a classe variável para converter esse tensor em uma variável contendo o tensor e o gradiente. 05:58.520 --> 06:02.550 Então, isso é um pouco técnico, mas é o que temos a fazer quando trabalhamos com a tocha PI. 06:02.680 --> 06:04.830 E fazemos isso graças à classe de variáveis. 06:04.840 --> 06:13.220 Mas antes de obter a classe de variáveis, precisamos importar torche que 06:13.220 --> 06:26.430 grad e vamos dar um short-cut bem como undergrad e depois da tocha que undergrad importamos Roybal There we go. 06:26.560 --> 06:31.390 E agora temos todas as bibliotecas que usaremos para implementar nossa AI. 06:31.600 --> 06:34.050 Então, não vamos incomodar importar qualquer outra biblioteca. 06:34.060 --> 06:35.670 Temos todas as ferramentas que precisamos. 06:35.830 --> 06:40.000 E agora estamos prontos para criar a arquitetura da rede neural. 06:40.030 --> 06:42.680 Então é exatamente o que faremos no próximo tutorial. 06:42.760 --> 06:44.370 E até então, desfrute da AI.