WEBVTT 00:00.240 --> 00:02.790 Cześć i witamy w tutorialu Python. 00:02.790 --> 00:07.230 W porządku mamy ostatnią funkcję do implementacji w naszej klasie pamięci powtórek. 00:07.230 --> 00:12.060 To jest prosta funkcja i oczywiście chcemy pobrać losowe próbki z naszej pamięci. 00:12.210 --> 00:16.080 I dlatego funkcja ta zwróci te losowe próbki. 00:16.080 --> 00:17.850 W porządku, więc wejdźmy do tego. 00:17.870 --> 00:20.630 Nazwiemy to prosto. 00:20.640 --> 00:21.330 No to ruszamy. 00:21.420 --> 00:25.030 Ta funkcja pobiera dwa argumenty jako dane wejściowe. 00:25.260 --> 00:32.490 Pierwszy jak zwykle sam nasz przyszły obiekt do powtórzenia klasy pamięci, a drugim argumentem jest próba 00:32.490 --> 00:33.430 odgadnięcia. 00:33.510 --> 00:40.290 Cóż, pobieramy próbki o ustalonym rozmiarze i dlatego musimy wybrać rozmiar dla próbek, a dokładniej 00:40.290 --> 00:42.610 nazywamy to wielkością partii. 00:42.820 --> 00:47.910 To jest nazwa, którą zamierzamy nadać naszemu drugiemu argumentowi wielkości partii. 00:48.180 --> 00:49.530 I oto idziemy. 00:49.560 --> 00:54.490 Mamy nasze dwa argumenty i teraz możemy zaimplementować prostą funkcję. 00:54.500 --> 01:00.780 Więc teraz chcę cię ostrzec, że to będzie trochę techniczne, ale postaram się wszystko wyjaśnić. 01:01.250 --> 01:05.140 Zaczniemy od utworzenia zmiennej próbek. 01:05.150 --> 01:09.620 Jest to tylko zmienna, która będzie zawierała próbki pamięci. 01:09.620 --> 01:11.340 W porządku, tak proste jest równe. 01:11.360 --> 01:14.090 A więc jak mamy zdobyć te próbki. 01:14.450 --> 01:20.960 Przede wszystkim musimy wziąć naszą pamięć, ponieważ pobieramy próbki z naszej pamięci. 01:20.960 --> 01:26.870 Wtedy prawdopodobnie będziemy potrzebować wielkości partii, ponieważ próbki będą zawierały wielkość partii 01:26.930 --> 01:27.720 Elona. 01:27.830 --> 01:33.920 Potrzebujemy pamięci, potrzebujemy partii, a następnie potrzebujemy trochę torche lub sztuczek żubrów, aby uzyskać dobry 01:34.040 --> 01:35.600 format tych próbek. 01:35.600 --> 01:40.790 Więc co zamierzam zrobić, napiszę linię kodu, a następnie wyjaśnię ten element 01:40.790 --> 01:41.900 po elemencie. 01:41.990 --> 01:42.860 Więc zróbmy to. 01:42.860 --> 01:48.580 Zaczynam od skorzystania z funkcji zip, wyjaśnię bardzo szybko, co robi. 01:48.620 --> 01:51.980 Wewnątrz tej funkcji dodam gwiazdę. 01:52.100 --> 01:53.800 Mam zamiar również to rozwinąć. 01:53.900 --> 02:02.600 Gwiazda i przypadkowe myślenie Centralne, tak przypadkowe, jak się domyślasz, to losowa biblioteka, którą tutaj 02:02.600 --> 02:03.360 zaimportowaliśmy. 02:03.410 --> 02:08.900 To główny powód, dla którego musieliśmy zaimportować te losowe biblioteki, ponieważ pobieramy losowe 02:08.900 --> 02:09.730 próbki. 02:10.040 --> 02:15.570 Z tej przypadkowej biblioteki skorzystamy z prostej funkcji. 02:15.600 --> 02:20.060 Więc to są nasze zmienne i to jest funkcja, więc zamierzam dodać trochę nawiasów. 02:20.210 --> 02:26.110 A teraz, jak widać, próbka jest funkcją i musimy podać kilka argumentów, aby można 02:26.110 --> 02:27.850 było zobaczyć pierwszy argument. 02:27.850 --> 02:34.660 A właściwie mówiąc o sobie, odpowiada to pamięci samoprzypadkowej pamięci o naszym przyszłym obiekcie instancji naszej 02:34.870 --> 02:36.970 pamięci powtórkowej dla nas. 02:37.180 --> 02:44.290 Zamierzam tu dodać do siebie tę pamięć, a potem drugi argument, tak jakbyś domyślił się rozmiaru 02:44.530 --> 02:51.360 Bechuany, który losowo wyjął z naszej pamięci i nadaliśmy mu nazwę, która jest wielkością partii. 02:51.550 --> 02:55.690 Więc drugim argumentem będzie Bachche do bani. 02:55.870 --> 02:56.410 W porządku. 02:56.470 --> 03:01.080 Więc wiersz kodu jest wpisany i zamierzam wyjaśnić, co robi. 03:01.510 --> 03:08.260 Przede wszystkim z tą funkcją losowej kropki pobieramy kilka losowych próbek z pamięci 03:08.800 --> 03:11.820 o ustalonym rozmiarze tego rozmiaru. 03:12.550 --> 03:13.940 To zrozumiałe. 03:14.150 --> 03:18.230 Ale co robi ta funkcja gwiazdy Zipp? 03:18.530 --> 03:20.500 Cóż, nie ma w tym tajemnicy. 03:20.540 --> 03:22.870 To jest tak jak funkcja przekształcenia. 03:22.880 --> 03:28.460 Na przykład zamierzam dodać trochę tutaj, aby wyjaśnić, że zamierzam go usunąć. 03:28.460 --> 03:34.680 Załóżmy na przykład, że mamy na przykład listę następujących elementów. 03:34.820 --> 03:37.900 Najpierw jeden dwa trzy. 03:38.180 --> 03:39.680 A potem drugi element. 03:39.680 --> 03:43.180 Cztery pięć sześć. 03:43.190 --> 03:48.020 Mamy więc listę dwóch dubli trzech elementów jeden dwa trzy cztery pięć sześć. 03:48.380 --> 03:52.690 No cóż, jeśli zastosuję funkcję zip z gwiazdką. 03:52.880 --> 04:02.840 Cóż by się stało, że lista gwiazd Zip będzie równa nowej liście, ale o innym 04:03.380 --> 04:12.440 kształcie, a inny kształt będzie jeden dla dwóch, a potem trzech sześciu. 04:12.460 --> 04:12.770 W porządku. 04:12.800 --> 04:13.950 Tak właśnie to robi. 04:13.970 --> 04:16.640 Zmienia tylko twoją listę. 04:16.990 --> 04:21.610 OK, teraz zrozum, co robi lista gwiazd Zipp. 04:21.680 --> 04:24.560 Teraz wyjaśnijmy, dlaczego musieliśmy to zrobić. 04:24.590 --> 04:30.360 Tak jak zrozumieliście, dodamy wydarzenia do pamięci, a wydarzenia mają formę. 04:30.440 --> 04:34.530 Najpierw państwo, następnie akcja, a potem nagroda. 04:34.820 --> 04:40.330 Ale dla naszego algorytmu nie chcemy tego formatu, chcemy, aby nasze próbki miały następujący format. 04:40.330 --> 04:47.540 Format składa się z trzech próbek: jedna próbka dla stanów jedna próbka dla akcji i jedna próbka 04:47.540 --> 04:48.660 dla nagrody. 04:48.800 --> 04:53.690 Powiedzmy na przykład, że ten jeden do trzech jest stanem jednym akcją. 04:53.800 --> 05:01.100 Chcemy jednego, a następnie przekazać do działania dwa, a my mamy się dobrze, czego chcemy, to jedna partia dla każdej partii 05:01.100 --> 05:03.630 dla stanu pierwszego i stan dwóch. 05:03.680 --> 05:10.090 Jedna to gra akcji w akcji drugiej i jedna trzecia, ponieważ byliśmy jeden, a my dwaj. 05:10.190 --> 05:15.680 To jest właśnie ten format, którego można się spodziewać po następnym, ponieważ wtedy będziemy owijać te 05:15.770 --> 05:22.610 partie w ciasto w kierunku okropnego wpływu, o którym zapamięta się, że jest zmienną zawierającą zarówno tensor, jak i 05:22.610 --> 05:23.280 gradient. 05:23.510 --> 05:29.750 A to, aby móc odróżnić w odniesieniu do tensora, aby móc odróżnić 05:29.750 --> 05:35.480 w odniesieniu do intensera w strukturze strasznego tensora zawierającego gradient. 05:35.540 --> 05:37.820 I znowu tak działa Pi Torch. 05:37.820 --> 05:44.480 Podsumowując, tworzymy jedną partię dla każdego działania i nagród państwa, a następnie umieszczamy każdą z 05:44.480 --> 05:50.600 tych wyselekcjonowanych osobno w bajtach, które są straszne, a każdy z nich dostanie gradient, 05:50.840 --> 05:54.360 aby ostatecznie móc rozróżnić każda z nich. 05:54.620 --> 05:57.430 W porządku, więc taki jest cel funkcji Zipp. 05:57.480 --> 06:00.350 Pozwolę sobie tylko usunąć ten komentarz. 06:00.530 --> 06:05.980 A teraz jedyną rzeczą, którą musimy zrobić, to zwrócić próbki. 06:06.230 --> 06:12.650 Tak więc, jak właśnie wyjaśniłem, nie możemy zwrócić próbek bezpośrednio z tego prostego powodu, dla 06:12.830 --> 06:15.670 którego chcemy umieścić próbki w torbe. 06:15.680 --> 06:22.580 Aby to zrobić, dla każdej próbki użyjemy funkcji mapowania, a funkcja 06:22.580 --> 06:30.180 map wykona odwzorowanie z próbek na tortury zmiennych, które będą zawierać tensor i gradient. 06:30.200 --> 06:33.550 Tak więc, jak widać, ta funkcja mapowa przyjmuje kilka argumentów. 06:33.620 --> 06:38.600 Pierwszy argument jest funkcją i ta funkcja będzie funkcją, która zamieni próbki 06:38.600 --> 06:40.590 na pewne zmienne torche. 06:40.760 --> 06:45.340 Drugim argumentem jest to, do czego chcemy zastosować tę funkcję. 06:45.590 --> 06:50.580 Więc to będą argumenty tej funkcji, a zatem, co to będzie. 06:50.600 --> 06:52.780 To będą oczywiście próbki. 06:52.790 --> 06:55.510 Tak więc drugim argumentem będą symbole. 06:55.870 --> 06:59.440 Ale potem określmy funkcję, w której chcemy zastosować. 06:59.480 --> 07:00.620 Każdy z symboli. 07:01.040 --> 07:06.890 Aby zdefiniować tutaj funkcję, musimy najpierw nadać nazwę funkcji, która wywoła lambdę. 07:07.070 --> 07:14.330 To tylko imię i podanie Lendy, a następnie X, która będzie zmienną tej funkcji. 07:14.420 --> 07:18.390 To jest tylko nazwa i podanie zmiennej, a następnie. 07:18.500 --> 07:24.140 I tutaj dajemy wyraz funkcji, której chcemy, aby funkcja lambda powróciła i 07:25.400 --> 07:32.010 zobaczyła, że to będzie dobrze, że ma to być coś, co przekształci nasze próbki w 07:32.250 --> 07:34.800 zmienną pochodni i to zrobi. 07:34.800 --> 07:37.370 Wspomnieliśmy już o tym w niektórych poprzednich samouczkach. 07:37.560 --> 07:39.880 Mamy dla nich funkcję Wojewody. 07:40.110 --> 07:46.680 Głos będzie działał, a my dokonamy konwersji z tancerza pochodni na zmienną, która będzie 07:46.690 --> 07:48.590 zawierała czujnik i największy. 07:48.810 --> 07:55.830 Pierwszą rzeczą, którą tutaj dodam, jest zmienna zmienna, w której zamierzam przekonwertować X, 07:56.010 --> 08:01.540 ponieważ X będzie prostymi, które zostaną zastosowane na próbkach. 08:02.420 --> 08:09.080 Ale to wszystko jest jedna ostatnia rzecz techniczna, którą musimy wdrożyć, to fakt, że dla 08:09.140 --> 08:15.680 każdej partii, która jest zawarta w próbce, na przykład partia działań, a 1 08:15.680 --> 08:23.080 8 2 3 i inne czynności, musimy ją złączyć z szacunkiem. do pierwszego silnika, który odpowiada państwom. 08:23.120 --> 08:25.380 I dlaczego musimy dokonać tej konkatenacji. 08:25.550 --> 08:27.610 Po prostu wszystko musi być dobrze dopasowane. 08:27.710 --> 08:34.740 Oznacza to, że w każdym rzędzie do określenia akcji i nagrody odpowiada ten sam czas t .. 08:35.180 --> 08:42.240 W ten sposób otrzymujemy listę wszystkich partii, które są dobrze wyrównane, a każda partia to ciasto w stosunku do Voivod. 08:42.470 --> 08:44.700 Jak więc możemy dokonać tej konkatenacji? 08:44.840 --> 08:48.030 Cóż, musimy użyć funkcji kotów z biblioteki pochodni. 08:48.170 --> 08:55.400 Więc dodamy tutaj latarkę, do której dodamy, która zostanie zastosowana do X, ale wtedy w tej funkcji 08:55.400 --> 09:00.820 musimy określić wymiar, w odniesieniu do którego chcemy dokonać tego połączenia. 09:00.860 --> 09:05.460 Jak już wspomniałem, jest to pierwszy silnik, który ma era indeksów. 09:05.900 --> 09:12.320 I oto zaczynamy mieć naszą funkcję gotową, Lunda, ta funkcja pobierze próbki łącząc je z silnikiem 09:12.320 --> 09:18.110 po raz pierwszy, a następnie w końcu zamieniamy czujniki na pewne zmienne torche, które 09:18.110 --> 09:24.230 zawierają zarówno tensor jak i gradient tak, że później, kiedy stosuj się do castigate w tym 09:24.230 --> 09:28.610 sensie, że będziemy w stanie rozróżnić, aby mieć wagi danych. 09:28.610 --> 09:30.170 W porządku, więc ta funkcja jest gotowa. 09:30.410 --> 09:35.270 A oto drugi argument funkcji mapy. 09:35.270 --> 09:42.960 Musimy określić, do czego chcemy zastosować tę funkcję i która dotyczy wszystkich naszych próbek. 09:43.040 --> 09:43.850 No to jedziemy. 09:43.850 --> 09:50.750 Zastosujemy tę funkcję lambda na wszystkich próbkach, aby ostatecznie uzyskać listę meczów, w 09:50.990 --> 09:53.840 których każdy mecz jest opłacalny. 09:53.840 --> 09:58.810 W porządku, to było dość techniczne, ale teraz przynajmniej wszystko będzie dobrze działać. 09:58.850 --> 10:00.060 Chcemy skorzystać z tej techniki. 10:00.080 --> 10:05.150 Potem używamy go tylko tutaj, więc jeśli nie chcesz dobrze rozumieć szczegółów 10:05.150 --> 10:11.060 technicznych, dobrze, możesz skopiować te trzy linijki kodu, aby uprościć pamięć, jeśli chcesz zrobić 10:11.060 --> 10:14.460 sztuczną inteligencję za pomocą latarki tak jak chcesz. 10:14.600 --> 10:21.110 Ale teraz dobrą wiadomością jest to, że skończyliśmy z tą powtórką odtwarzania klasy pamięci, odtworzono teraz powtórkę 10:21.470 --> 10:26.780 i możemy przejść do następnej i ostatniej klasy, która będzie całym trybem bezpieczeństwa. 10:26.960 --> 10:34.520 Tak więc w tym modelu będziemy mieć oczywiście naszą sieć, która będzie doświadczać powtórki, a następnie 10:34.640 --> 10:36.600 całą resztę algorytmu bezpieczeństwa. 10:36.620 --> 10:39.150 Więc będzie to o wiele większa klasa. 10:39.200 --> 10:44.240 Wykonamy około 10 funkcji, ale to tylko dlatego, że robimy to krok po kroku, abyś mógł 10:44.240 --> 10:46.130 lepiej zrozumieć, co się dzieje. 10:46.520 --> 10:49.260 Nie mogę się doczekać, aby wdrożyć nasz model bezpieczeństwa. 10:49.280 --> 10:50.900 I do tego czasu I.