WEBVTT 00:00.300 --> 00:02.930 Merhaba ve bu Python öğreticisine hoş geldiniz. 00:02.940 --> 00:08.700 Pekâlâ, bu yüzden, sinir ağının mimarisini ağ sınıfımızın işleviyle oluşturduk ve daha sonra 00:09.030 --> 00:13.650 ileri işlev olacak ikinci bir işlevi yapacağız ve bu da 00:13.650 --> 00:15.810 nöronları aktive edecek olan işlevdir. 00:15.840 --> 00:19.770 Bu propagasyon için gerçekleştirecek olan işlevdir. 00:19.830 --> 00:27.240 Şimdi bunu yapalım, bu işlevi az önce söylediğimiz gibi ileri çağıralım ve bu 00:27.240 --> 00:29.550 işlev iki argüman alalım. 00:29.610 --> 00:35.070 gibi, nesne değişkenlerini kullanabildiğini biliyorsun çünkü SE1 NFC'yi kullanacağız. 00:35.070 --> 00:37.400 İlk önce her zamanki 00:37.500 --> 00:43.440 Dolayısıyla bu değişkenleri kullanabilmek için benliğin kendisine ihtiyacımız var ve sonra da bizim girdimiz 00:43.590 --> 00:50.100 olan ikinci bir argümana ihtiyacımız olacak ve devlet diyebiliriz çünkü devlet tam olarak sinir ağlarımızın 00:50.100 --> 00:50.580 girdisidir. 00:50.580 --> 00:51.980 Biliyorsun bu Birleşik Devletler. 00:51.990 --> 00:57.320 Sinir ağına giren diğer girdiler vardır ve daha sonra çıktılar üç olası eylemin q 00:57.330 --> 01:00.560 değerlerini alıp sola doğru gidecek veya sağa dönecektir. 01:00.690 --> 01:06.210 çoğunlukla, her bir olası eylem için küp değerlerini Burada giriş durumu. 01:06.210 --> 01:11.880 Fakat burada bir argüman olarak koymamız gerekmiyor çünkü tam olarak bu ileriye 01:11.880 --> 01:16.640 dönmek istediğimiz şey, sadece nöronları aktive edecek değil, aynı zamanda 01:16.650 --> 01:17.060 Tamam. 01:17.100 --> 01:19.000 İhtiyacımız olan iki argüman bu. 01:19.140 --> 01:24.440 Ve işin içine girelim ve ne yapmak istediğimizi belirtelim. 01:24.740 --> 01:29.940 Tamam, böylece yapacağımız ilk şey gizli nöronları aktive etmektir ve gizli 01:29.940 --> 01:34.690 nöronları değişken x ile çağırırız; böylece x, gizli nöronları temsil eder. 01:34.800 --> 01:36.750 Ve onları nasıl harekete geçirirler. 01:36.930 --> 01:39.990 Tabii ki giriş nöronlarımızı alacağız. 01:40.170 --> 01:45.360 Gizli nöronları elde etmek istiyorsanız, ilk tam bağlantısını kullanacağız ve daha sonra 01:45.360 --> 01:49.570 onlara düzeltilmiş işlev olacak olan devre dışı bırakma fonksiyonunu uygulayacağız. 01:49.860 --> 01:51.450 Peki bunu nasıl yapacaksın. 01:51.450 --> 01:54.680 Unutmayın, meşaleyi ithal ettik. 01:54.730 --> 02:01.450 Ve sinir ağını uygulamak için tüm fonksiyonları içeren fonksiyonel modüldür. 02:01.560 --> 02:02.960 Ve kısayolu biz verdik. 02:03.450 --> 02:08.130 bu işlevlerden birini kullanacağız ve bu işlev gerçekten işlev görüyor. 02:08.130 --> 02:11.240 Aslında şimdi şimdi ne yapacağımızı fonksiyonel modülden 02:11.430 --> 02:16.490 Dolayısıyla, gerçekte alakalı olan şey, sezgi derslerinde gördüğünüz doğrultucu işlevidir. 02:16.620 --> 02:19.040 Bu sadece ve daha sonra doğrultucu işlevine verilir. 02:19.170 --> 02:26.130 Fakat bu işlev, kısayolu verilen işlevden ve işlevden alındığından, burada ilk 02:26.130 --> 02:31.860 düşüncelerini yazmamız gerekir ve o zaman bu işlevi alabiliriz. 02:31.990 --> 02:36.610 Ve aslında eğer ben yazarsam, işte biz gerçek işleve sahip oluruz. 02:36.630 --> 02:41.980 Yani bu, x olan gizli nöronları aktive edecek bir işlev tarafından yönlendirilir. 02:42.030 --> 02:47.640 işlevde, şimdi girmek zorunda olduğumuz şeyleri mükemmel bir şekilde anlıyoruz, böylece etkinleştirmek istediğiniz nöronlar budur. 02:47.640 --> 02:48.920 Dolayısıyla bu gerçekten 02:48.990 --> 02:54.300 Gizli nöronlar budur ve böylece bu gizli nöronları elde etmek 02:54.520 --> 03:01.540 için, giriş nöronlarından nöronlara geçmek için giriş nöronlarına uygulayacağımız ilk tam bağlantısını alacağız. 03:01.800 --> 03:04.450 Bu yüzden, ilk tam bağlantı noktasını bir başlayalım. 03:04.620 --> 03:08.070 Fakat ilk bağlantısımız nesnemizin bir değişkendir. 03:08.130 --> 03:12.070 Dolayısıyla, burada ilk kendini yazmamız gerekiyor. 03:12.120 --> 03:13.550 Bir tane burada gidiyoruz. 03:13.620 --> 03:16.660 Sinir ağımızın ilk tam bağlantısı. 03:16.980 --> 03:22.890 Ve bu kişisel bağlantı içinde girdi nöronlarından gizli nöronlara geçmek için giriş 03:23.010 --> 03:24.210 durumlarımızı gireceğiz. 03:24.480 --> 03:30.680 Ve biz de ona DEVLET adı verdik bu yüzden burada iki giriş durumu var ve biz gidiyoruz. 03:30.720 --> 03:34.360 Artık gizli nöronları etkinleştirdik. 03:34.510 --> 03:35.000 Tamam. 03:35.040 --> 03:40.610 Ve şimdi gizli nöronlara sahibiz, sonuç nöronlarını geri getireceğiz. 03:40.640 --> 03:46.240 Bir sonraki satırda ve çıktıyı anladığınız gibi nöronlar eylemlerimize karşılık gelir. 03:46.370 --> 03:48.170 Ancak bunlar doğrudan eylem değildir. 03:48.290 --> 03:55.760 Bunlar q değerleridir çünkü daha derin bir modeli Q öğrenme ile birleştiren bir dijital model oluşturuyoruz ve bu 03:56.020 --> 04:02.090 nedenle burada q değerlerini almak için her bir eylem için q değerini elde etmek 04:02.090 --> 04:09.560 için kullanıyoruz ve daha sonra suşi Max kullanıyor ya da Max'imizde son işlemi yapın, burada tanıtacağım Voivode APA 04:09.560 --> 04:13.560 nüansına karşılık gelecek ve çıktı nöronları anahtar değerler olduğundan. 04:13.640 --> 04:15.590 Ben de bu değişkeni arayacağım. 04:15.590 --> 04:24.630 Q Bu, q değerlerine gittiğimiz anlamına geliyor ve şimdi değişken olan gıda bağlantımızı doğrudan alıyoruz. 04:24.810 --> 04:27.010 Nesnemizden bir değişken koymak. 04:27.020 --> 04:33.830 burada F C'yi kendine öğretmiş olarak alıyoruz ve tabii burada bu bağlantısın sol tarafındaki nöronları giriyoruz. 04:34.010 --> 04:34.860 Dolayısıyla biz 04:34.910 --> 04:38.050 X olan ilk satırdan elde ettiğimiz şey budur. 04:38.270 --> 04:40.770 Yani x İşte biz gidiyoruz. 04:40.790 --> 04:42.650 Artık Q değerlerimizi alıyoruz. 04:42.680 --> 04:45.790 Sinir ağımızın çıkış nöronları budur. 04:46.100 --> 04:46.800 TAMAM. 04:47.060 --> 04:53.050 Ve sonra kodun son satırı elbette bu ileri fonksiyonu bu değerleri döndürmek için kullanılır. 04:53.210 --> 05:02.900 Q değerleri eklemeliyiz ve bu, her olası eylem için anahtar değerlerini döndürüyor; sola doğru gitmek veya sağa gitmek. 05:02.900 --> 05:06.310 Dolayısıyla sadece bir dönüş ve basitçe 05:06.370 --> 05:06.760 Tamam. 05:06.760 --> 05:08.370 Öyleyse tebrikler. 05:08.370 --> 05:13.720 Birinci sınıfımızla işimiz bitti ve aslında biz sinir ağı mimarisi yapılıyorduk. 05:13.720 --> 05:15.550 Unutmayın bunun bitmiş bir iş değil. 05:15.550 --> 05:19.890 Sinir ağının mimarisini her zaman farklı olanlarla çalışarak artırabilirsiniz. 05:20.020 --> 05:22.780 Bunu yapmak için daha fazla nöron ekleyerek çekinmeyin. 05:22.780 --> 05:28.270 yer değiştirebilir ve daha sonra bazı yararlı bağlantılar kurarak daha gizli katmanlar ekleyebilirsiniz. 05:28.270 --> 05:34.860 Örneğin, 50 gizli nöron eklemek isterseniz burada 30 ve 50 50 50 ve 50 ile 05:34.990 --> 05:37.630 Bu gerçekten bir sanatçının işidir. 05:37.660 --> 05:41.980 Her durumda en iyi mimarinin ne olacağına dair genel bir kural yoktur. 05:42.040 --> 05:43.720 Bu yüzden denemek zorundayız. 05:43.940 --> 05:50.140 Hadi deneyelim ki sonuçta oldukça iyi kendi kendine çalışan bir otomobil bulacağımızı göreceksiniz. 05:50.170 --> 05:50.590 Tamam. 05:50.620 --> 05:55.960 Ve şimdi, deneyim tekrarıyla ilgili bir sonraki sınıfa geçeceğiz ve bunu önümüzdeki üç ila 05:55.990 --> 05:57.450 iki saat içinde yapacağız. 05:57.610 --> 05:59.080 O zamana kadar AI zevk.