WEBVTT 00:00.580 --> 00:02.850 Bună ziua și bun venit la magazin. 00:03.040 --> 00:07.040 În regulă, acum vom implementa inteligența artificială de la zero. 00:07.040 --> 00:08.870 O să-i tăiem linia. 00:09.070 --> 00:12.550 Și în această primă secțiune bună vom importa bibliotecile. 00:12.550 --> 00:17.880 Dar, înainte de a începe cu această primă secțiune de cod, aș vrea să explic 00:17.890 --> 00:20.140 conexiunea dintre AI și harta noastră. 00:20.560 --> 00:24.000 De aceea punem în aplicare acest lucru pentru ei. 00:24.040 --> 00:27.880 Care este scopul AI nostru și unde îl vom folosi. 00:27.880 --> 00:30.160 Deci, de fapt este foarte simplu. 00:30.170 --> 00:34.900 Noi facem doar AI-ul nostru să aleagă acțiunea potrivită și de fiecare dată. 00:35.140 --> 00:42.390 În regulă, importăm clasa din fișierul nostru, astfel încât vom face acest D2 în clasă în acest fișier. 00:42.580 --> 00:51.220 Dar apoi vom importa doar pentru a selecta acțiunea potrivită pentru a juca în fiecare moment și vom selecta această acțiune exact 00:51.490 --> 00:53.070 la această linie. 00:53.080 --> 01:00.580 Acțiunea este egală cu actualizarea creierului mai puțin recompensa semnalul mai puțin semnalul va fi intrarea rețelei neuronale. 01:00.760 --> 01:05.950 Știți că este compus din cele trei semnale ale senzorilor plus orientarea și orientarea minus. 01:06.130 --> 01:09.890 Deci, aceasta este intrarea, dar apoi ieșirea este acțiunea de jucat. 01:10.030 --> 01:14.970 Și asta este doar ceea ce vom lua de la AI pe care am simțit-o pe care o vom face. 01:15.250 --> 01:16.310 Așa că ține minte. 01:16.390 --> 01:17.590 E foarte simplu. 01:17.590 --> 01:25.900 Mai întâi importăm decriminalizarea de la AI AI apoi creăm creierul obiect din clasa umană care ia ca 01:25.990 --> 01:32.110 intrări vectorii codificați pentru stările de cinci dimensiuni cele trei semnale plus orientarea 01:32.290 --> 01:33.970 plus minus orientare. 01:34.030 --> 01:36.910 Reacțiile merg la stânga mergeți drept sau mergeți la dreapta. 01:37.030 --> 01:38.470 Și apoi acest parametru gamma. 01:38.560 --> 01:42.410 Acestea sunt singurii parametri ai clasei pe care le vom face. 01:42.490 --> 01:50.140 Apoi, odată ce am creat acel obiect, vom selecta în clasa de joc acțiunea de jucat în fiecare moment. 01:50.140 --> 01:51.760 Și asta depinde de ultimul cuvânt. 01:51.940 --> 01:58.450 Iar Lusignanul, care este intrarea și care este singurul scop care face acest lucru, spune că pentru a avea o 01:58.450 --> 02:03.620 adevărată inteligență artificială care să joace acțiunile potrivite, atunci de fiecare dată când se mișcă drept 02:04.030 --> 02:08.480 în loc să aibă acțiuni aleatorii ca noi observate în tutorialul precedent. 02:08.500 --> 02:12.620 Bine, deci hai să facem asta să punem în aplicare inteligența noastră artificială. 02:12.760 --> 02:18.430 Și cum am spus că vom începe prin a importa toate bibliotecile pe care le vom folosi pentru implementare. 02:18.460 --> 02:21.160 Astfel vom avea toate instrumentele de care avem nevoie. 02:21.160 --> 02:22.790 Deci, haideți să începem cu primul. 02:22.810 --> 02:28.870 Prima este inevitabila biblioteca non-pay biblioteca non-Thai. 02:28.870 --> 02:35.270 Întotdeauna recomand să-l importați este biblioteca care ne permite să jucăm și să lucrăm cu irakienii. 02:35.620 --> 02:40.180 Și aici este doar o scurtătură mai multă comoditate atunci când dorim să folosim numărul. 02:40.590 --> 02:44.050 Bine, atunci biblioteca a doua este aleatorie. 02:44.050 --> 02:50.530 Deci, acest lucru este doar pentru că vom lua câteva mostre aleatoare din loturi diferite atunci când 02:50.530 --> 02:51.770 implementăm reluarea experienței. 02:51.940 --> 02:54.650 Deci, trebuie să importăm și această bibliotecă aleatoare. 02:54.880 --> 03:02.470 Apoi vom importa os care va fi folositoare atunci când dorim să încărcăm modelul deoarece știți odată ce modelul este gata 03:02.470 --> 03:08.710 va implementa un cod pentru a salva modelul și apoi un alt cod pentru a încărca modelul. 03:08.700 --> 03:14.140 Atunci când vrem să știți că salvați creierul și încărcați creierul ori de câte ori doriți să 03:14.140 --> 03:18.850 închideți computerul și folosim creierul care a fost instruit înainte pentru un nou experiment. 03:19.060 --> 03:20.410 Deci, asta e important. 03:20.740 --> 03:27.230 Apoi vom importa biblioteca tortei esențială. 03:27.250 --> 03:32.170 Asta pentru ca ne vom implementa reteaua neurala cu torta pe care o recomand mult mai 03:32.170 --> 03:36.670 mult decat celelalte pentru inteligenta artificiala pentru ca se poate ocupa de grafice dinamice. 03:36.670 --> 03:46.150 Deci, acolo mergem cu torce apoi de la torce vom importa torche start și sfârșitul modulul de sfârșit este cel mai esențial care 03:46.150 --> 03:51.730 este modulul care conține toate instrumentele de implementare a unor rețele neuronale. 03:51.820 --> 03:57.370 Și, bineînțeles, va exista o rețea neuronală profundă care va lua ca intrări cele trei 03:57.370 --> 04:03.910 semnale ale celor trei senzori plus orientare și orientare minus și va reveni ca ieșire acțiunea de jucat. 04:04.090 --> 04:09.220 Ei bine, pentru a reveni la valorile q ale diferitelor acțiuni și folosind un soft Max. 04:09.220 --> 04:15.970 Vom reveni la acțiune pentru a juca doar una dintre cele mai relevante pentru 04:16.000 --> 04:26.500 a realiza cardurile pentru a merge la tortură și în cea mai esențială, apoi vom da o scurtă tăiere la pachetul funcțional. 04:26.550 --> 04:29.960 De aici mergem cu pachetul funcțional de la capăt și Maggio. 04:29.970 --> 04:36.310 Deci, acest pachet funcțional conține diferitele funcții pe care le folosim atunci când implementăm o rețea neurală. 04:36.340 --> 04:42.240 Deci, de obicei, ultima funcție va fi folosirea pierderii Google, deoarece aceasta îmbunătățește convergența, 04:42.240 --> 04:46.950 iar pierderea este inclusă în acest submodul funcțional din modulul final. 04:47.190 --> 04:54.330 Și din moment ce toate acestea sunt destul de lungi, o să-i dăm o scurtătură și o vom numi pur și simplu. 04:54.460 --> 04:57.260 Apoi, doar 3 module pentru a importa stânga. 04:57.340 --> 05:05.710 Așadar, următorul este unul central, care este de până la el și îl luăm din biblioteca de 05:06.220 --> 05:12.870 tortură și apoi mergem acolo și să-i spunem în loc să torturăm atomul. 05:13.030 --> 05:15.250 Este, desigur, pentru optimizator. 05:15.340 --> 05:22.030 Vom importa unii optimizatori pentru a realiza gradul C în sensul că vom avea nevoie cu siguranță de ea 05:22.030 --> 05:25.100 și apoi vom avea nevoie să importăm autografe. 05:25.210 --> 05:28.670 Și asta numai pentru a lua clasa variabilă din regretul nostru. 05:29.170 --> 05:31.630 Deci, scopul este puțin tehnic. 05:31.630 --> 05:39.010 Practic, trebuie să importim clasa variabilă pentru a face o conversie din tensori care sunt ca mai multe matrice 05:39.010 --> 05:43.160 avansate pentru a evita tot ceea ce conține un gradient. 05:43.210 --> 05:46.640 Asa ca nu vrem sa avem doar un tensor de la sine. 05:46.660 --> 05:51.940 Vrem să punem tensorul într-o variabilă care va conține și un gradient și pentru a 05:51.940 --> 05:58.350 face acest lucru trebuie să folosim clasa variabilă pentru a converti acest tensor într-o variabilă care conține tensorul și gradientul. 05:58.520 --> 06:02.550 Deci este puțin tehnic, dar asta trebuie să facem atunci când lucrăm cu torța PI. 06:02.680 --> 06:04.830 Și facem asta datorită clasei variabile. 06:04.840 --> 06:13.220 Dar inainte de a obtine clasa variabila trebuie sa importim torche grad si 06:13.220 --> 06:26.430 sa facem o scurta taietura precum si o intalnire si apoi de la torta care se ingrasam importam Roybal Acolo mergem. 06:26.560 --> 06:31.390 Și acum avem toate bibliotecile pe care le vom folosi pentru a implementa AI. 06:31.600 --> 06:34.050 Așa că nu ne vom deranja să importăm altă bibliotecă. 06:34.060 --> 06:35.670 Avem toate instrumentele de care avem nevoie. 06:35.830 --> 06:40.000 Și acum suntem gata să creăm arhitectura rețelei neuronale. 06:40.030 --> 06:42.680 Deci, exact așa vom face în următorul tutorial. 06:42.760 --> 06:44.370 Și până atunci să vă bucurați de AI.