WEBVTT

00:00.580 --> 00:02.850
สวัสดีและยินดีต้อนรับสู่ร้านค้า

00:03.040 --> 00:07.040
เอาล่ะตอนนี้เรากำลังจะใช้ปัญญาประดิษฐ์ตั้งแต่ต้น

00:07.040 --> 00:08.870
เราจะตัดมันทีละบรรทัด

00:09.070 --> 00:12.550
และในส่วนที่ดีแรกนี้เราจะนำเข้าห้องสมุด

00:12.550 --> 00:20.140
แต่ก่อนที่เราจะเริ่มด้วยส่วนรหัสแรกนี้ฉันต้องการอธิบายการเชื่อมต่อระหว่าง AI และแผนที่ของเรา

00:20.560 --> 00:24.000
นั่นคือเหตุผลที่เรานำสิ่งนี้ไปใช้

00:24.040 --> 00:27.880
อะไรคือจุดประสงค์ของ AI ของเราและเราจะใช้มันที่ไหน

00:27.880 --> 00:30.160
จริงๆแล้วมันง่ายมาก

00:30.170 --> 00:34.900
เราแค่ทำให้ AI ของเราเลือกการกระทำที่ถูกต้องและทุกครั้ง

00:35.140 --> 00:42.390
ตกลงเรานำเข้าคลาสจากไฟล์ของเราดังนั้นเราจะทำให้ D2 นี้เป็นคลาสในไฟล์

00:42.580 --> 00:53.070
แต่จากนั้นเราก็นำเข้ามันเพียงเพื่อเลือกการกระทำที่ถูกต้องที่จะเล่นในแต่ละครั้งและเราเลือกการกระทำนี้ตรงที่บรรทัดนี้

00:53.080 --> 01:00.580
การดำเนินการเท่ากับการอัพเดทสมองรางวัลน้อยสัญญาณน้อยสัญญาณน้อยจะเป็นอินพุตของเครือข่ายประสาท

01:00.760 --> 01:05.950
คุณรู้ว่ามันประกอบด้วยสัญญาณสามตัวของเซ็นเซอร์รวมถึงทิศทางและลบ

01:06.130 --> 01:09.890
นั่นคืออินพุต แต่จากนั้นเอาต์พุตก็คือแอ็คชั่นที่จะเล่น

01:10.030 --> 01:14.970
และนั่นเป็นเพียงสิ่งที่เราจะได้รับจาก AI ของเราฉันรู้สึกว่าเรากำลังจะทำ

01:15.250 --> 01:16.310
ดังนั้นจงจำไว้

01:16.390 --> 01:17.590
มันง่ายมาก

01:17.590 --> 01:25.900
ก่อนอื่นเรานำเข้าการลดทอนความเป็นอาชญากรรมจาก AI AI

01:25.990 --> 01:33.970
จากนั้นเราสร้างสมองวัตถุจากคลาสมนุษย์ซึ่งใช้เป็นอินพุตเวกเตอร์ที่เข้ารหัสสำหรับสถานะห้ามิติสัญญาณสามทิศทาง

01:34.030 --> 01:36.910
ปฏิกิริยาตอบโต้ไปทางตรงหรือไปทางขวา

01:37.030 --> 01:38.470
แล้วพารามิเตอร์แกมม่านี้

01:38.560 --> 01:42.410
นั่นเป็นพารามิเตอร์เฉพาะของคลาสที่เราจะทำ

01:42.490 --> 01:50.140
จากนั้นเมื่อเราสร้างวัตถุนั้นที่เราเลือกในคลาสเกมการกระทำที่จะเล่นในแต่ละครั้ง

01:50.140 --> 01:51.760
และนั่นก็ขึ้นอยู่กับคำสุดท้าย

01:51.940 --> 01:58.450
และ

01:58.450 --> 02:08.480
Lusignan ซึ่งเป็นอินพุตและนั่นคือจุดประสงค์เพียงอย่างเดียวของการทำสิ่งนี้เพื่อให้มีปัญญาประดิษฐ์ที่แท้จริงในการเล่นการกระทำที่ถูกต้องจากนั้นทุกครั้งที่เคลื่อนไหวถูกต้อง

02:08.500 --> 02:12.620
เอาล่ะลองทำสิ่งนี้กันเถอะใช้ปัญญาประดิษฐ์ของเรา

02:12.760 --> 02:18.430
และอย่างที่เราบอกว่าเรากำลังจะเริ่มต้นด้วยการนำเข้าไลบรารีทั้งหมดที่เราจะนำไปใช้

02:18.460 --> 02:21.160
ดังนั้นวิธีที่เราจะมีเครื่องมือทั้งหมดที่เราต้องการ

02:21.160 --> 02:22.790
เอาล่ะเริ่มกันด้วยอันแรก

02:22.810 --> 02:28.870
คนแรกคือสิ่งที่หลีกเลี่ยงไม่ได้สำหรับห้องสมุดที่ไม่ใช่การจ่ายเงิน

02:28.870 --> 02:35.270
ฉันมักจะแนะนำให้นำเข้ามันเป็นห้องสมุดที่ให้เราเล่นและทำงานกับชาวอิรักได้

02:35.620 --> 02:40.180
และนี่คือทางลัดที่สะดวกยิ่งขึ้นเมื่อเราต้องการใช้หมายเลข

02:40.590 --> 02:44.050
ไลบรารี่ที่สองจากนั้นจะสุ่ม

02:44.050 --> 02:51.770
นี่เป็นเพียงเพราะเราจะสุ่มตัวอย่างจากกลุ่มที่แตกต่างกันเมื่อนำประสบการณ์การเล่นซ้ำ

02:51.940 --> 02:54.650
ดังนั้นเราต้องนำเข้าไลบรารีสุ่มนี้เช่นกัน

02:54.880 --> 03:08.710
จากนั้นเราจะนำเข้าระบบปฏิบัติการที่จะมีประโยชน์เมื่อเราต้องการโหลดแบบจำลองเพราะคุณรู้ว่าเมื่อแบบจำลองพร้อมแล้วเราจะใช้รหัสบางส่วนเพื่อบันทึกแบบจำลองและจากนั้นอีกรหัสหนึ่งเพื่อโหลดแบบจำลอง

03:08.700 --> 03:18.850
นั่นคือเมื่อเราต้องการให้คุณรู้ว่าช่วยรักษาสมองและโหลดสมองเมื่อใดก็ตามที่คุณต้องการปิดคอมพิวเตอร์ของคุณและเราใช้สมองที่ได้รับการฝึกฝนมาก่อนสำหรับการทดลองใหม่

03:19.060 --> 03:20.410
นั่นเป็นสิ่งสำคัญ

03:20.740 --> 03:27.230
จากนั้นเราจะนำเข้าห้องสมุดไฟฉายที่จำเป็น

03:27.250 --> 03:36.670
นั่นเป็นเพราะเราจะนำโครงข่ายประสาทเทียมของเราไปใช้กับคบเพลิงซึ่งฉันแนะนำมากกว่าตัวอื่นสำหรับปัญญาประดิษฐ์เพราะมันสามารถจัดการกราฟแบบไดนามิก

03:36.670 --> 03:46.150
ดังนั้นเราจึงไปกับ torche จาก torche เราจะนำเข้า

03:46.150 --> 03:51.730
torche เริ่มต้นและสิ้นสุดโมดูลสิ้นสุดเป็นสิ่งที่สำคัญที่สุดที่เป็นโมดูลที่มีเครื่องมือทั้งหมด

03:51.820 --> 04:03.910
และแน่นอนว่าจะมีโครงข่ายประสาทลึกที่จะรับสัญญาณทั้งสามของเซ็นเซอร์สามตัวพร้อมการวางแนวและการวางแนวลบ

04:04.090 --> 04:09.220
ที่จริงแล้วเพื่อคืนค่า q ของการกระทำที่แตกต่างกันและการใช้ซอฟต์แม็กซ์

04:09.220 --> 04:26.500
เราจะกลับมาดำเนินการเพื่อเล่นเพียงหนึ่งเดียวที่เกี่ยวข้องมากที่สุดที่จะทำให้การ์ดไปสู่การทรมานและในสิ่งที่จำเป็นที่สุดจากนั้นเราจะตัดทอนชุดการทำงานที่สั้น

04:26.550 --> 04:29.960
จากที่นี่เราไปกับแพคเกจการทำงานจากปลายและ Maggio

04:29.970 --> 04:36.310
ดังนั้นแพ็คเกจการทำงานนี้จึงมีฟังก์ชั่นต่าง ๆ ที่เราใช้เมื่อใช้งานโครงข่ายประสาท

04:36.340 --> 04:42.240
ดังนั้นโดยทั่วไปแล้วฟังก์ชั่นสุดท้ายเราจะใช้การสูญเสียของ Google เพราะมันช่วยปรับปรุงการลู่เข้าและการสูญเสียที่อยู่ใน

04:42.240 --> 04:46.950
submodule ที่ใช้งานได้จากโมดูลสุดท้าย

04:47.190 --> 04:54.330
และเนื่องจากทั้งหมดนี้ค่อนข้างยาวเราจะให้ทางลัดและเราจะเรียกมันว่า f เพียงอย่างเดียว

04:54.460 --> 04:57.260
จากนั้นเหลือเพียง 3 โมดูลที่จะนำเข้าเหลือ

04:57.340 --> 05:12.870
ดังนั้นคนต่อไปคือศูนย์กลางอีกคนซึ่งขึ้นอยู่กับเขาและเราเอามันจากห้องสมุดทรมานและจากนั้นไปที่นั่นแล้วเราก็ไปแล้วลองเรียกมันว่าเขาแทนอะตอมทรมาน

05:13.030 --> 05:15.250
แน่นอนว่าเป็นเครื่องมือเพิ่มประสิทธิภาพ

05:15.340 --> 05:25.100
เราจะนำเข้าเครื่องมือเพิ่มประสิทธิภาพบางอย่างเพื่อดำเนินการเกรด C ในแง่ดังนั้นเราจะต้องการมันแน่นอน

05:25.210 --> 05:28.670
และนั่นเป็นเพียงการเรียนตัวแปรจากความเสียใจของเรา

05:29.170 --> 05:31.630
ดังนั้นจุดประสงค์ของมันคือเทคนิคเล็กน้อย

05:31.630 --> 05:43.160
โดยทั่วไปเราจำเป็นต้องนำเข้าคลาสตัวแปรเพื่อทำการแปลงบางส่วนจากเทนเซอร์ซึ่งเป็นอาร์เรย์ที่สูงกว่าเพื่อหลีกเลี่ยงสิ่งที่มีการไล่ระดับสี

05:43.210 --> 05:46.640
ดังนั้นเราจึงไม่ต้องการมีเมตริกซ์เพียงอย่างเดียว

05:46.660 --> 05:58.350
เราต้องการที่จะนำเทนเซอร์ไปเป็นตัวแปรที่จะมีการไล่ระดับสีและการทำเช่นนี้เราจำเป็นต้องใช้คลาสตัวแปรในการแปลงเทนเซอร์นี้เป็นตัวแปรที่มีเทนเซอร์และการไล่ระดับสี

05:58.520 --> 06:02.550
นั่นเป็นเทคนิคเล็กน้อย แต่นั่นคือสิ่งที่เราต้องทำเมื่อทำงานกับไฟฉาย PI

06:02.680 --> 06:04.830
และเราทำสิ่งนี้ต้องขอบคุณคลาสตัวแปร

06:04.840 --> 06:13.220
แต่ก่อนที่จะรับคลาสตัวแปรเราจำเป็นต้องนำเข้า torche ที่ผู้สำเร็จการศึกษาและให้ตัดสั้นเช่น

06:13.220 --> 06:26.430
undergrad แล้วจากไฟฉายที่ undergrad เรานำเข้า Roybal เราไป

06:26.560 --> 06:31.390
และตอนนี้เรามีห้องสมุดทั้งหมดที่เราจะใช้ในการติดตั้ง AI

06:31.600 --> 06:34.050
ดังนั้นเราจะไม่รบกวนการนำเข้าห้องสมุดอื่น ๆ

06:34.060 --> 06:35.670
เรามีเครื่องมือทั้งหมดที่เราต้องการ

06:35.830 --> 06:40.000
และตอนนี้เราก็พร้อมที่จะสร้างสถาปัตยกรรมของโครงข่ายประสาทเทียม

06:40.030 --> 06:42.680
นั่นคือสิ่งที่เราจะทำในบทต่อไป

06:42.760 --> 06:44.370
และจนกว่าจะสนุกกับ AI