WEBVTT 00:00.580 --> 00:02.850 Hola y bienvenidos a la tienda. 00:03.040 --> 00:07.040 De acuerdo, ahora vamos a implementar inteligencia artificial desde cero. 00:07.040 --> 00:08.870 Vamos a cortarlo línea por línea. 00:09.070 --> 00:12.550 Y en esta primera buena sección vamos a importar las bibliotecas. 00:12.550 --> 00:17.880 Pero antes de comenzar con esta primera sección de código, me gustaría explicar la conexión 00:17.890 --> 00:20.140 entre la IA y nuestro mapa. 00:20.560 --> 00:24.000 Es por eso que estamos implementando esto para ellos. 00:24.040 --> 00:27.880 ¿Cuál es el propósito de nuestra IA y dónde la usaremos? 00:27.880 --> 00:30.160 Entonces es realmente muy simple. 00:30.170 --> 00:34.900 Solo estamos haciendo que nuestra IA seleccione la acción correcta y cada vez. 00:35.140 --> 00:42.390 Así que bien, importamos la clase de nuestro archivo, así que haremos este D2 en clase en este archivo. 00:42.580 --> 00:51.220 Pero luego lo importamos solo para seleccionar la acción correcta para jugar en cada momento y seleccionamos esta acción 00:51.490 --> 00:53.070 exactamente en esta línea. 00:53.080 --> 01:00.580 La acción es igual a la actualización cerebral menos recompensa menos señal menos señal será la entrada de la red neuronal. 01:00.760 --> 01:05.950 Sabes que está compuesto por las tres señales de los sensores Más la orientación y la orientación negativa. 01:06.130 --> 01:09.890 Entonces esas son las entradas pero luego la salida es la acción a jugar. 01:10.030 --> 01:14.970 Y eso es solo lo que le quitaremos a nuestra IA. Sentí que estábamos a punto de hacerlo. 01:15.250 --> 01:16.310 Así que tenlo en mente. 01:16.390 --> 01:17.590 Es muy sencillo. 01:17.590 --> 01:25.900 Primero importamos la despenalización de la AI AI y luego creamos el cerebro objeto de la clase humana que toma como 01:25.990 --> 01:32.110 entradas los vectores codificados para los estados de cinco dimensiones las tres señales más la orientación 01:32.290 --> 01:33.970 más la orientación menos. 01:34.030 --> 01:36.910 Las reacciones van a la izquierda, sigue recto o ve a la derecha. 01:37.030 --> 01:38.470 Y luego este parámetro gamma. 01:38.560 --> 01:42.410 Esos son los únicos parámetros de la clase que haremos. 01:42.490 --> 01:50.140 Y luego, una vez que creamos ese objeto, seleccionamos en la clase de juego la acción para jugar en cada momento. 01:50.140 --> 01:51.760 Y eso depende de la última palabra. 01:51.940 --> 01:58.450 Y el Lusignan que es la entrada y eso es todo, es el único propósito de hacer que esto diga 01:58.450 --> 02:03.620 que para tener una verdadera inteligencia artificial jugando las acciones correctas, entonces cada movimiento correcto en 02:04.030 --> 02:08.480 lugar de tener acciones aleatorias como las que observamos en el tutorial anterior. 02:08.500 --> 02:12.620 De acuerdo, hagamos esto, implementemos nuestra inteligencia artificial. 02:12.760 --> 02:18.430 Y como dijimos, comenzaremos por importar todas las bibliotecas que vamos a utilizar para implementar. 02:18.460 --> 02:21.160 Entonces de esa manera tendremos todas las herramientas que necesitamos. 02:21.160 --> 02:22.790 Muy bien, así que comencemos con el primero. 02:22.810 --> 02:28.870 El primero es la inevitable biblioteca no paga, la biblioteca no tailandesa. 02:28.870 --> 02:35.270 Siempre recomiendo importarlo, es la biblioteca que nos permite jugar y trabajar con los iraquíes. 02:35.620 --> 02:40.180 Y esto aquí es solo un atajo más conveniente cuando queremos usar el número. 02:40.590 --> 02:44.050 Muy bien, entonces la segunda biblioteca es aleatoria. 02:44.050 --> 02:50.530 Así que esto es solo porque vamos a tomar algunas muestras aleatorias de diferentes lotes cuando implementamos la 02:50.530 --> 02:51.770 reproducción de experiencia. 02:51.940 --> 02:54.650 Entonces, tenemos que importar esta biblioteca aleatoria también. 02:54.880 --> 03:02.470 Luego, importaremos un sistema operativo que solo será útil cuando deseemos cargar el modelo, ya que una vez que el modelo 03:02.470 --> 03:08.710 esté listo, implementaremos un código para guardar el modelo y luego otro código para cargar el modelo. 03:08.700 --> 03:14.140 Ahí es cuando queremos que sepas salvar el cerebro y cargar el cerebro siempre que quieras apagar 03:14.140 --> 03:18.850 tu computadora y usamos el cerebro que se entrenó antes para un nuevo experimento. 03:19.060 --> 03:20.410 Entonces eso es importante 03:20.740 --> 03:27.230 Luego vamos a importar la biblioteca de antorchas esencial. 03:27.250 --> 03:32.170 recomiendo mucho más que las otras para la inteligencia artificial porque puede manejar gráficos dinámicos. 03:32.170 --> 03:36.670 Esto se debe a que implementaremos nuestra red neuronal con mi linterna, que 03:36.670 --> 03:46.150 Entonces ahí vamos con Torche y luego desde Torche vamos a importar Torche start y end the end module es el más esencial 03:46.150 --> 03:51.730 que es el módulo que contiene todas las herramientas para implementar algunas redes neuronales. 03:51.820 --> 03:57.370 Y, por supuesto, habrá una red neuronal profunda que tomará como entradas las tres señales de 03:57.370 --> 04:03.910 los tres sensores más la orientación y la orientación negativa y devolverá como salida la acción para jugar. 04:04.090 --> 04:09.220 Bueno, en realidad para devolver los valores q de las diferentes acciones y el uso de un Max. 04:09.220 --> 04:15.970 Volveremos la acción para jugar solo una de las más relevantes para lograr 04:16.000 --> 04:26.500 que las cartas vayan a la tortura y en la más esencial, entonces vamos a dar un atajo al paquete funcional. 04:26.550 --> 04:29.960 Desde aquí vamos con el paquete funcional del final y Maggio. 04:29.970 --> 04:36.310 Entonces este paquete funcional contiene las diferentes funciones que usamos cuando implementamos una red neuronal. 04:36.340 --> 04:42.240 Por lo general, la última función será usar la pérdida de Google porque eso mejora la 04:42.240 --> 04:46.950 convergencia y la pérdida está contenida en este submódulo funcional del módulo final. 04:47.190 --> 04:54.330 Y como todo esto es bastante largo, le daremos un atajo y lo llamaremos simplemente. 04:54.460 --> 04:57.260 Entonces solo quedan 3 módulos para importar. 04:57.340 --> 05:05.710 Entonces el siguiente es otro central que depende de él y lo tomamos de la biblioteca de 05:06.220 --> 05:12.870 tortura y luego allá vamos y lo llamamos a él en lugar de atormentarlo. 05:13.030 --> 05:15.250 Eso es por supuesto para el optimizador. 05:15.340 --> 05:22.030 Importaremos algunos optimizadores para realizar C-grade en el sentido, así que definitivamente lo necesitaremos 05:22.030 --> 05:25.100 y luego tendremos que importar autógrafos. 05:25.210 --> 05:28.670 Y eso es solo para tomar la clase variable de nuestro arrepentimiento. 05:29.170 --> 05:31.630 Entonces el propósito es un poco técnico. 05:31.630 --> 05:39.010 Básicamente, necesitamos importar la clase de variable para hacer una conversión de tensores que son como arreglos 05:39.010 --> 05:43.160 más avanzados para evitar todo lo que contiene un gradiente. 05:43.210 --> 05:46.640 Entonces es como que no queremos tener solo un tensor por sí mismo. 05:46.660 --> 05:51.940 Queremos poner el tensor en una variable que también contendrá un gradiente y para hacerlo 05:51.940 --> 05:58.350 necesitamos usar la clase variable para convertir este tensor en una variable que contenga el tensor y el gradiente. 05:58.520 --> 06:02.550 Eso es un poco técnico, pero eso es lo que tenemos que hacer cuando trabajamos con PI torch. 06:02.680 --> 06:04.830 Y hacemos esto gracias a la clase variable. 06:04.840 --> 06:13.220 Pero antes de obtener la clase variable, tenemos que importar torche a ese graduado y vamos a 06:13.220 --> 06:26.430 dar un atajo, así como a un estudiante de pregrado y luego, de la antorcha, a ese estudiante de primer ciclo que importamos Roybal. Allí vamos. 06:26.560 --> 06:31.390 Y ahora tenemos todas las bibliotecas que utilizaremos para implementar nuestra IA. 06:31.600 --> 06:34.050 Así que no nos molestaremos en importar ninguna otra biblioteca. 06:34.060 --> 06:35.670 Tenemos todas las herramientas que necesitamos. 06:35.830 --> 06:40.000 Y ahora estamos listos para crear la arquitectura de la red neuronal. 06:40.030 --> 06:42.680 Entonces eso es exactamente lo que haremos en el siguiente tutorial. 06:42.760 --> 06:44.370 Y hasta entonces, disfruta de la IA.