WEBVTT 00:00.240 --> 00:02.790 Bună ziua și bun venit la acest tutorial Python. 00:02.790 --> 00:07.230 În regulă, avem o ultimă funcție de implementat în clasa noastră de memorie replay. 00:07.230 --> 00:12.060 Aceasta este funcția simplă și asta e, desigur, pentru a obține niște mostre aleatorii din memoria noastră. 00:12.210 --> 00:16.080 Prin urmare, această funcție va returna aceste mostre aleatorii. 00:16.080 --> 00:17.850 În regulă, deci hai să intrăm în ea. 00:17.870 --> 00:20.630 O vom numi simplu. 00:20.640 --> 00:21.330 Începem. 00:21.420 --> 00:25.030 Și această funcție are două argumente ca intrare. 00:25.260 --> 00:32.490 Primul, ca obișnuit, obiectul nostru viitor de a relua clasa de memorie și al doilea argument este să încerci 00:32.490 --> 00:33.430 să ghicești. 00:33.510 --> 00:40.290 Ei bine, luăm câteva eșantioane de dimensiuni fixe și, prin urmare, trebuie să alegem o dimensiune pentru eșantioane și mai 00:40.290 --> 00:42.610 precis o numim o dimensiune lot. 00:42.820 --> 00:47.910 Deci asta este numele pe care îl vom da la cea de-a doua dimensiune a lotului de argument. 00:48.180 --> 00:49.530 Și acolo mergem. 00:49.560 --> 00:54.490 Avem cele două argumente și acum putem implementa funcția simplă. 00:54.500 --> 01:00.780 Deci, acum vreau doar să vă avertizez că acest lucru va deveni puțin tehnic, dar voi încerca tot ce pot pentru a-mi explica. 01:01.250 --> 01:05.140 Așa că vom începe prin crearea variabilei de mostre. 01:05.150 --> 01:09.620 Aceasta este doar variabila care va conține eșantioanele memoriei. 01:09.620 --> 01:11.340 Atât de simplu este egal. 01:11.360 --> 01:14.090 Și acum, cum vom obține aceste mostre? 01:14.450 --> 01:20.960 Ei bine, mai întâi de toate trebuie să ne luăm memoria pentru că luăm mostrele din memoria noastră. 01:20.960 --> 01:26.870 Apoi, probabil că vom avea nevoie de dimensiunea lotului, deoarece eșantioanele vor lua în considerare dimensiunea lotului 01:26.930 --> 01:27.720 lui Elon. 01:27.830 --> 01:33.920 Deci, avem nevoie de memorie avem nevoie de dimensiunea lotului și apoi avem nevoie de niște trucuri sau bizoni pentru a obține un 01:34.040 --> 01:35.600 format bun al acestor eșantioane. 01:35.600 --> 01:40.790 Deci, ce voi face eu voi scrie linia de cod și apoi voi explica elementul 01:40.790 --> 01:41.900 după element. 01:41.990 --> 01:42.860 Deci hai sa o facem. 01:42.860 --> 01:48.580 Încep prin a lua o funcție de zip, voi explica foarte curând ce face. 01:48.620 --> 01:51.980 Și în interiorul acestei funcții voi adăuga o stea. 01:52.100 --> 01:53.800 Și eu o voi extinde. 01:53.900 --> 02:02.600 Steaua și gândul aleator Central, atât de aleatoriu, cum probabil ați ghicit, este biblioteca aleatoare pe care am importat-o 02:02.600 --> 02:03.360 ​​aici. 02:03.410 --> 02:08.900 Deci, acesta este motivul principal pentru care a trebuit să importăm aceste biblioteci aleatorii pentru că luăm câteva 02:08.900 --> 02:09.730 mostre aleatorii. 02:10.040 --> 02:15.570 Deci, din această bibliotecă aleatorie, vom folosi funcția simplă. 02:15.600 --> 02:20.060 Deci, aceasta este variabilele noastre și aceasta este o funcție, așa că voi adăuga unele paranteze. 02:20.210 --> 02:26.110 Și acum, după cum puteți vedea eșantionul, este o funcție și trebuie să punem câteva argumente astfel încât să puteți 02:26.110 --> 02:27.850 vedea primul argument în sine. 02:27.850 --> 02:34.660 Și de fapt vorbind de sine, acest lucru corespunde memoriei de auto-vorbire, amintirea noului nostru obiect de obiect al memoriei 02:34.870 --> 02:36.970 noastre de reluare pentru noi. 02:37.180 --> 02:44.290 Așa că am să adaug aici sine că amintirea și apoi al doilea argument este așa cum ați fi ghicit 02:44.530 --> 02:51.360 mărimea bechuanei luați în mod aleatoriu din memoria noastră și că i-am dat un nume care este dimensiunea lotului. 02:51.550 --> 02:55.690 Așadar, al doilea argument va fi Bachche nenorocit. 02:55.870 --> 02:56.410 In regula. 02:56.470 --> 03:01.080 Deci linia de cod este tastată și voi explica ce face. 03:01.510 --> 03:08.260 Deci, in primul rand cu aceasta functie simpla punct simpla, luam cateva mostre aleatoare din memoria care 03:08.800 --> 03:11.820 avea o dimensiune fixa de acea dimensiune. 03:12.550 --> 03:13.940 Deci, este de înțeles. 03:14.150 --> 03:18.230 Dar ce înseamnă această funcție a stelei Zipp? 03:18.530 --> 03:20.500 Ei bine, nu există nici un mister despre asta. 03:20.540 --> 03:22.870 Este la fel ca funcția de remodelare. 03:22.880 --> 03:28.460 Deci, de exemplu, voi adăuga un pic veni aici doar pentru a explica că o voi elimina. 03:28.460 --> 03:34.680 De exemplu, să spunem că, de exemplu, avem o listă cu următoarele elemente, de exemplu. 03:34.820 --> 03:37.900 Primele două două. 03:38.180 --> 03:39.680 Și apoi al doilea element. 03:39.680 --> 03:43.180 Patru cinci sase. 03:43.190 --> 03:48.020 Așadar, avem o listă de două dubluri de câte trei elemente câte două, trei patru cinci șase. 03:48.380 --> 03:52.690 Ei bine, dacă aș aplica funcția zip cu steaua pe ea. 03:52.880 --> 04:02.840 Ei bine, ceea ce ar deveni astfel lista de stele Zip va fi egal cu o nouă listă, dar de 04:03.380 --> 04:12.440 o formă diferită și o formă diferită va fi una pentru atunci două trei și apoi cinci șase. 04:12.460 --> 04:12.770 In regula. 04:12.800 --> 04:13.950 Deci asta este exact ceea ce face. 04:13.970 --> 04:16.640 Reformează doar lista ta. 04:16.990 --> 04:21.610 Așa că acum înțelegi ce face această listă de stele Zipp. 04:21.680 --> 04:24.560 Acum, să explicăm de ce a trebuit să facem asta. 04:24.590 --> 04:30.360 Așa cum ați înțeles, vom adăuga evenimentele în memorie și evenimentele au forma. 04:30.440 --> 04:34.530 Mai întâi statul, atunci acțiunea și apoi răsplata. 04:34.820 --> 04:40.330 Dar pentru algoritmul nostru nu vrem acest format dorim ca mostrele să aibă următorul format. 04:40.330 --> 04:47.540 Un format este compus din trei eșantioane un eșantion pentru statele un eșantion pentru acțiuni și un eșantion 04:47.540 --> 04:48.660 pentru recompensă. 04:48.800 --> 04:53.690 De exemplu, să spunem că unul până la trei este unul de acțiune. 04:53.800 --> 05:01.100 Vrem unu și apoi stat la acțiunea doi și am fost bine pentru ceea ce vrem este un lot pentru fiecare 05:01.100 --> 05:03.630 lot pentru statul unu și statul doi. 05:03.680 --> 05:10.090 Unul este un meci pentru acțiunea unu în acțiune două și o treime că pentru că am fost unul și am fost doi. 05:10.190 --> 05:15.680 Acesta este doar formatul care urmează să fie de așteptat pentru că atunci vom înfășura aceste loturi 05:15.770 --> 05:22.610 într-o plăcuță cu un impact oribil, care până acum ne vom aminti este o variabilă care conține atât un tensor cât și 05:22.610 --> 05:23.280 un gradient. 05:23.510 --> 05:29.750 Și asta pentru a putea diferenția în raport cu un tensor să fie capabil să se 05:29.750 --> 05:35.480 diferențieze în raport cu intensul în structura unui tensor îngrozitor și a unui gradient. 05:35.540 --> 05:37.820 Din nou, așa funcționează pistolul Pi. 05:37.820 --> 05:44.480 Așadar, pentru a rezuma, vom crea un lot pentru fiecare dintre acțiunile și recompensele statului și apoi vom pune fiecare 05:44.480 --> 05:50.600 dintre aceste veturi separat în niște octeți pe care Horrible le va avea fiecare un gradient astfel încât 05:50.840 --> 05:54.360 în ​​cele din urmă să putem diferenția fiecare dintre ei. 05:54.620 --> 05:57.430 În regulă, acesta este scopul funcției Zipp. 05:57.480 --> 06:00.350 Permiteți-mi să elimin acest comentariu. 06:00.530 --> 06:05.980 Și acum singurul lucru pe care trebuie să-l facem este să returnați probele. 06:06.230 --> 06:12.650 Așa cum am explicat că nu putem returna probele direct din simplul motiv că vrem 06:12.830 --> 06:15.670 să punem probele într-o formă viabilă. 06:15.680 --> 06:22.580 Deci, pentru a face acest lucru pentru fiecare probă vom folosi funcția de hartă și această funcție 06:22.580 --> 06:30.180 de hartă va face cartografierea de la eșantioane la variabilele de tortură care vor conține un tensor și un gradient. 06:30.200 --> 06:33.550 Deoarece puteți vedea această funcție de hartă, aveți mai multe argumente. 06:33.620 --> 06:38.600 Primul argument este o funcție și această funcție va fi funcția care va converti 06:38.600 --> 06:40.590 mostrele în unele variabile torche. 06:40.760 --> 06:45.340 Iar al doilea argument este ceea ce vrem să aplicăm această funcție. 06:45.590 --> 06:50.580 Așa vor fi argumentele acestei funcții și, prin urmare, ce va fi. 06:50.600 --> 06:52.780 Desigur, vor fi probele. 06:52.790 --> 06:55.510 Deci al doilea argument aici va fi simbolurile. 06:55.870 --> 06:59.440 Dar apoi să definim funcția pe care dorim să o aplicăm. 06:59.480 --> 07:00.620 Fiecare dintre simboluri. 07:01.040 --> 07:06.890 Deci, pentru a defini o funcție aici trebuie să dăm mai întâi un nume funcției care va numi lambda. 07:07.070 --> 07:14.330 Acesta este un nume și dă Lenda apoi X, care va fi variabila acestei funcții. 07:14.420 --> 07:18.390 Deci, este doar un nume și dăruire pentru variabilă și apoi. 07:18.500 --> 07:24.140 Și aici dăm expresia funcției care este ceea ce ne dorim ca această funcție lambda să 07:25.400 --> 07:32.010 se întoarcă și să vadă ce va fi bine ar trebui să fie ceva care ne va transforma mostrele într-o 07:32.250 --> 07:34.800 variabilă torță și să facem acest lucru. 07:34.800 --> 07:37.370 Am menționat deja acest lucru în câteva tutoriale anterioare. 07:37.560 --> 07:39.880 Ei bine, avem funcția voievodă pentru ei. 07:40.110 --> 07:46.680 Vocea va funcționa vom face conversia de la un dansator torță la o variabilă care va conține senzorul 07:46.690 --> 07:48.590 și cea mai mare. 07:48.810 --> 07:55.830 Deci, primul lucru pe care o voi adăuga aici este variabila variabilă în interiorul căreia voi converti 07:56.010 --> 08:01.540 X deoarece X va fi cele simple care vor fi aplicate pe eșantioane. 08:02.420 --> 08:09.080 Dar atunci este doar un ultim lucru tehnic pe care trebuie să-l implementăm este faptul că 08:09.140 --> 08:15.680 pentru fiecare lot care este cuprins în eșantion, de exemplu lotul de acțiuni a 08:15.680 --> 08:23.080 1 8 2 3 și celelalte acțiuni trebuie să-l concatenăm cu respect pentru primul motor care corespunde statelor. 08:23.120 --> 08:25.380 Și de ce trebuie să facem această concatenare. 08:25.550 --> 08:27.610 Doar pentru ca totul să fie bine aliniat. 08:27.710 --> 08:34.740 Asta este faptul că în fiecare rând pentru a declara acțiunea și recompensa corespunde la același timp .. 08:35.180 --> 08:42.240 Așa că în cele din urmă vom obține o listă de loturi bine aliniate și fiecare lot este o plăcere spre Voivod. 08:42.470 --> 08:44.700 Cum putem face această concatenare. 08:44.840 --> 08:48.030 Ei bine, trebuie să folosim funcția de pisică din biblioteca tortei. 08:48.170 --> 08:55.400 Așa că vom adăuga aici torța la care adăugăm că se aplică aplicației X, dar apoi în această funcție 08:55.400 --> 09:00.820 trebuie să specificăm dimensiunea în legătură cu care vrem să facem această concatenare. 09:00.860 --> 09:05.460 Și cum tocmai am menționat, este primul motor care are epoca de indexare. 09:05.900 --> 09:12.320 Și aici mergem avem funcția noastră gata această Lunda care funcția va lua probele concatenate-le în ceea ce 09:12.320 --> 09:18.110 privește primul motor de timp și apoi în cele din urmă vom converti senzorii în 09:18.110 --> 09:24.230 unele torche variabile care conține atât un tensor și un gradient, aplicați pentru a câștiga în sensul 09:24.230 --> 09:28.610 în care vom putea diferenția pentru a avea ponderi de date. 09:28.610 --> 09:30.170 În regulă, această funcție este gata. 09:30.410 --> 09:35.270 Apoi, aici este al doilea argument al funcției hărții. 09:35.270 --> 09:42.960 Trebuie să precizăm la ce vrem să aplicăm această funcție și care este pe toate mostrele noastre. 09:43.040 --> 09:43.850 Vom merge acolo. 09:43.850 --> 09:50.750 Vom aplica această funcție lambda pe toate eșantioanele, astfel încât în ​​cele din urmă să obținem o listă de meciuri în 09:50.990 --> 09:53.840 care fiecare meci este o pistă PI viabilă. 09:53.840 --> 09:58.810 Bine, deci a fost destul de tehnic, dar acum cel puțin totul va funcționa bine. 09:58.850 --> 10:00.060 Vrem să folosim această tehnică. 10:00.080 --> 10:05.150 Apoi, îl folosim aici doar dacă nu doriți să înțelegeți profund detaliile tehnice aici, că 10:05.150 --> 10:11.060 este bine să copiați aceste trei linii de cod, pentru a vă simți ușor memoria dacă doriți să 10:11.060 --> 10:14.460 faceți o inteligență artificială prin torță așa cum doriți. 10:14.600 --> 10:21.110 Dar acum vestea bună este că am terminat cu această reluare a experienței de reluare a memoriei, acum este implementată 10:21.470 --> 10:26.780 și putem trece la clasa următoare și finală, care va fi întregul mod de securitate. 10:26.960 --> 10:34.520 Deci, în acest model, vom avea, desigur, rețeaua noastră care va experimenta reluarea și apoi tot 10:34.640 --> 10:36.600 restul algoritmului de securitate. 10:36.620 --> 10:39.150 Deci va fi o clasă mult mai mare. 10:39.200 --> 10:44.240 Vom face 10 funcții, dar numai pentru că facem acest pas cu pas, astfel încât să puteți 10:44.240 --> 10:46.130 înțelege mai bine ce se întâmplă. 10:46.520 --> 10:49.260 Așa că nu pot să aștept să pună în aplicare modelul nostru de securitate. 10:49.280 --> 10:50.900 Și până atunci.