WEBVTT 00:00.300 --> 00:02.930 Bonjour et bienvenue dans ce tutoriel sur Python. 00:02.940 --> 00:08.700 Très bien, nous construisons simplement l'architecture d'un réseau de neurones avec la fonction de notre classe de 00:09.030 --> 00:13.650 réseau, puis nous allons créer une deuxième fonction qui sera la fonction avant 00:13.650 --> 00:15.810 et qui activera les neurones. 00:15.840 --> 00:19.770 C'est la fonction qui remplira pour la propagation. 00:19.830 --> 00:27.240 Alors faisons ceci, faisons cette fonction, appelons-la comme nous venons de le dire et cette 00:27.240 --> 00:29.550 fonction prendra deux arguments. 00:29.610 --> 00:35.070 Tout d'abord, comme d'habitude, vous savez utiliser les variables de l'objet, car 00:35.070 --> 00:37.400 nous allons utiliser SE1 NFC. 00:37.500 --> 00:43.440 Nous avons donc besoin que le self puisse utiliser ces variables, puis nous aurons besoin d'un 00:43.590 --> 00:50.100 deuxième argument, notre entrée, que nous appellerons état car cet état est exactement l'entrée de nos réseaux de 00:50.100 --> 00:50.580 neurones. 00:50.580 --> 00:51.980 Vous savez que ce sont les États. 00:51.990 --> 00:57.320 Il y a d'autres entrées qui entrent dans le réseau de neurones, puis comme sorties, les valeurs q des 00:57.330 --> 01:00.560 trois actions possibles vont de gauche à droite ou de droite. 01:00.690 --> 01:06.210 Mais nous n’avons pas besoin de le mettre ici comme argument, car c’est exactement ce que nous 01:06.210 --> 01:11.880 souhaitons revenir à cette fonction avant qui va non seulement activer les neurones, mais aussi et surtout renvoyer 01:11.880 --> 01:16.640 les valeurs de cube pour chaque action possible en fonction du état d'entrée ici. 01:16.650 --> 01:17.060 D'accord. 01:17.100 --> 01:19.000 Voilà donc les deux arguments dont nous avons besoin. 01:19.140 --> 01:24.440 Et maintenant, allons dans la fonction et spécifions ce que nous voulions faire. 01:24.740 --> 01:29.940 OK, donc la première chose que nous allons faire est d’activer les neurones cachés et nous allons 01:29.940 --> 01:34.690 appeler les neurones cachés par la variable x pour que x représente les neurones cachés. 01:34.800 --> 01:36.750 Et alors, comment les activer. 01:36.930 --> 01:39.990 Bien sûr, nous allons prendre nos neurones d’entrée. 01:40.170 --> 01:45.360 Nous allons utiliser notre première connexion complète si vous voulez obtenir les neurones cachés, puis 01:45.360 --> 01:49.570 nous allons leur appliquer la fonction d'inactivation, qui sera la fonction rectifiée. 01:49.860 --> 01:51.450 Alors, comment vas-tu faire ça? 01:51.450 --> 01:54.680 Rappelez-vous que nous avons importé le flambeau. 01:54.730 --> 02:01.450 Et c'est ce module fonctionnel qui contient toutes les fonctions permettant de mettre en œuvre le réseau de neurones. 02:01.560 --> 02:02.960 Et nous lui avons donné le raccourci. 02:03.450 --> 02:08.130 En fait, ce que nous allons faire maintenant, c’est que nous allons utiliser l’une de ces fonctions 02:08.130 --> 02:11.240 du module fonctionnel et que cette fonction doit vraiment fonctionner. 02:11.430 --> 02:16.490 Donc, ce qui est vraiment important, c'est la fonction de redressement que vous avez vue dans les conférences sur l'intuition. 02:16.620 --> 02:19.040 C'est juste et ensuite donné à la fonction de redresseur. 02:19.170 --> 02:26.130 Mais puisque cette fonction est prise à partir de et dans cette fonction qui a été donnée le raccourci, nous devons 02:26.130 --> 02:31.860 taper ici en premier lieu des pensées et ensuite c’est là que nous pouvons prendre cette fonction. 02:31.990 --> 02:36.610 Et en fait, si je tape, nous sommes ici, nous avons la vraie fonction. 02:36.630 --> 02:41.980 Donc, cela est dirigé par une fonction qui activera les neurones cachés qui est x. 02:42.030 --> 02:47.640 Donc, dans cette fonction, nous comprenons parfaitement ce que nous devons saisir, ce sont les neurones que 02:47.640 --> 02:48.920 nous voulons activer. 02:48.990 --> 02:54.300 Ce sont les neurones cachés et pour obtenir ces neurones cachés, nous allons 02:54.520 --> 03:01.540 prendre notre première connexion complète que nous appliquerons à nos neurones d’entrée pour passer des neurones d’entrée aux neurones. 03:01.800 --> 03:04.450 Prenons donc notre première connexion complète. 03:04.620 --> 03:08.070 Mais notre première connexion complète est une variable de notre objet. 03:08.130 --> 03:12.070 Par conséquent, nous devons taper ici en premier lieu. 03:12.120 --> 03:13.550 FC un ici nous allons. 03:13.620 --> 03:16.660 C'est la première connexion complète de notre réseau de neurones. 03:16.980 --> 03:22.890 Et à l'intérieur de cette connexion personnelle, nous allons entrer nos états d'entrée pour aller des neurones d'entrée 03:23.010 --> 03:24.210 aux neurones cachés. 03:24.480 --> 03:30.680 Et donc depuis que nous lui avons donné le nom STATE, nous avons ici deux états d'entrée et c'est parti. 03:30.720 --> 03:34.360 Nous obtenons maintenant des neurones cachés activés. 03:34.510 --> 03:35.000 D'accord. 03:35.040 --> 03:40.610 Et maintenant que nous avons les neurones cachés, nous allons renvoyer les neurones de sortie. 03:40.640 --> 03:46.240 Donc, ligne suivante et comme vous l'avez compris, les neurones de sortie correspondent à nos actions. 03:46.370 --> 03:48.170 Mais ce ne sont pas les actions directement. 03:48.290 --> 03:55.760 Ce sont les valeurs q parce que nous construisons un modèle numérique qui combine un modèle plus profond d’apprentissage Q 03:56.020 --> 04:02.090 et c’est pourquoi nous utilisons ici l’apprentissage q pour obtenir les valeurs q de chacune de 04:02.090 --> 04:09.560 nos actions. obtenez l'action finale donc ici le voivode que je vais présenter va correspondre à la nuance APA et 04:09.560 --> 04:13.560 puisque les neurones de sortie sont les valeurs clés. 04:13.640 --> 04:15.590 Eh bien, je vais appeler cette variable. 04:15.590 --> 04:24.630 Q Cela signifie que nous allons à q valeurs et maintenant nous prenons directement notre lien alimentaire qui est la variable. 04:24.810 --> 04:27.010 Pour mettre une variable de notre objet. 04:27.020 --> 04:33.830 Donc, nous prenons ici F C autodidacte et bien sûr nous introduisons les neurones du côté gauche de 04:34.010 --> 04:34.860 cette connexion. 04:34.910 --> 04:38.050 C'est ce que nous avons obtenu de la première ligne qui est x. 04:38.270 --> 04:40.770 Alors x on y va. 04:40.790 --> 04:42.650 Nous obtenons maintenant nos valeurs Q. 04:42.680 --> 04:45.790 C'est les neurones de sortie de notre réseau de neurones. 04:46.100 --> 04:46.800 D'ACCORD. 04:47.060 --> 04:53.050 Et puis la dernière ligne de code bien sûr cette fonction forward est utilisée pour renvoyer ces valeurs. 04:53.210 --> 05:02.900 Il suffit donc d’ajouter un retour et simplement des valeurs Q qui renverront les valeurs clés pour chaque action possible aller à 05:02.900 --> 05:06.310 gauche aller tout droit ou aller bien 05:06.370 --> 05:06.760 D'accord. 05:06.760 --> 05:08.370 Alors félicitations. 05:08.370 --> 05:13.720 Nous en avons terminé avec notre premier cours et nous avons en fait fini de créer l'architecture du réseau de neurones. 05:13.720 --> 05:15.550 Rappelez-vous que ce n'est pas un travail fini. 05:15.550 --> 05:19.890 Vous pouvez toujours améliorer l'architecture du réseau de neurones en en essayant différentes. 05:20.020 --> 05:22.780 Alors n'hésitez pas à faire cela en ajoutant plus de neurones ici. 05:22.780 --> 05:28.270 Par exemple, si vous souhaitez ajouter 50 neurones cachés, vous pouvez simplement remplacer les 30 ici et 05:28.270 --> 05:34.860 les 30 ici par 50, 50 et 50, puis vous pouvez ajouter des couches plus cachées en établissant des connexions utiles. 05:34.990 --> 05:37.630 C'est vraiment le travail d'un artiste. 05:37.660 --> 05:41.980 Il n'y a pas de règle générale sur ce qui serait la meilleure architecture dans chaque situation. 05:42.040 --> 05:43.720 C'est pourquoi nous devons expérimenter. 05:43.940 --> 05:50.140 Essayons avec cela, vous verrez que nous aurons finalement une très bonne voiture autonome. 05:50.170 --> 05:50.590 D'accord. 05:50.620 --> 05:55.960 Et maintenant, nous allons faire le prochain cours qui est consacré à la rediffusion d’expérience et nous le ferons dans les 05:55.990 --> 05:57.450 trois ou deux prochaines heures. 05:57.610 --> 05:59.080 Jusque-là, profitez de l'IA.