WEBVTT 00:00.420 --> 00:02.490 Hola y bienvenido a este tutorial. 00:02.490 --> 00:06.930 Muy bien, así que hoy vamos a hacer una función que salvará o modelar, que 00:06.930 --> 00:11.420 salvará el cerebro del automóvil para que podamos usarlo cada vez que salgamos de la aplicación. 00:11.430 --> 00:14.350 Gracias a la función Guardar podrá guardar el modelo. 00:14.400 --> 00:19.470 A continuación, salga de la aplicación y luego cuando regresemos a la aplicación a otra función que 00:19.470 --> 00:24.720 es la función de carga que realizará después de esta, cargaremos la última versión de nuestro modelo que 00:24.720 --> 00:30.210 fue entrenada, por lo que será muy práctico y por lo tanto vamos a hacer estas dos funciones la 00:30.210 --> 00:32.190 misma función y la función de carga. 00:32.190 --> 00:35.490 Comencemos con la misma función en este tutorial. 00:35.520 --> 00:42.830 Así que aquí viene la nueva definición y luego guardar y luego va a tomar un argumento de que va a ser uno mismo. 00:43.140 --> 00:49.830 Y la razón es que lo que vamos a decir no es todo el modelo aquí, sino nuestro modelo 00:50.160 --> 00:57.510 de red neuronal Selldorf y nuestras células optimizadoras que lo optimizan porque lo que queremos guardar son solo los últimos 00:57.510 --> 01:03.740 pesos que fueron fechados en la última iteración porque cada vez que queremos reutilizar nuestros guardados más 01:03.990 --> 01:08.900 tarde, queríamos traer la acción para jugar con los pesos que ya estaban entrenados. 01:09.150 --> 01:11.310 Entonces, necesitamos tomar esta última versión de los pesos. 01:11.520 --> 01:16.510 Y también tenemos que tomar la última versión del optimizador porque está conectada a estos pesos. 01:16.860 --> 01:17.970 Entonces, hagamos esto. 01:17.970 --> 01:24.330 Tenemos nuestras celdas, así que podremos tomar nuestro modelo That en nosotros mismos, el optimizador, y guardaremos estos 01:24.330 --> 01:28.800 dos objetos en un diccionario de Python y guardaremos estos dos objetos. 01:28.850 --> 01:32.460 Vamos a usar la misma función desde el módulo de la antorcha. 01:32.460 --> 01:40.620 Así que estoy empezando aquí con una linterna que guarda y entre paréntesis vamos a poner los corchetes de diccionario en 01:40.880 --> 01:41.690 un diccionario. 01:41.680 --> 01:45.550 Bison funciona así, tienes una clave que es tu identificador. 01:45.660 --> 01:46.650 Entonces eso es único. 01:46.810 --> 01:49.840 Y para cada uno tiene el valor que desea obtener para esa clave. 01:49.890 --> 01:56.840 Por lo tanto, es como una función de mapeo de identificadores únicos a un valor que desea obtener estos identificadores. 01:56.910 --> 02:03.990 Si toma un libro de diccionario simple, las claves serán las palabras y los valores serán las definiciones de 02:03.990 --> 02:04.690 las palabras. 02:04.830 --> 02:10.830 Bueno, esto significa que vamos a hacer que dos teclas sean una clave para el primer objeto que queremos guardar, 02:10.830 --> 02:13.750 que es el modelo de subducto y un segundo antes. 02:13.760 --> 02:19.770 Lo segundo que queremos decir es que somos optimizadores y, por lo tanto, comencemos con la primera 02:19.770 --> 02:20.250 clave. 02:20.430 --> 02:26.370 Así que tuvimos que dar un nombre a esa clave y voy a llamarlo estado en el dict score 02:26.370 --> 02:31.550 porque entonces vas a verlos usar la función decir dict para guardar nuestro modelo en el diccionario. 02:31.740 --> 02:38.020 Entonces esa es nuestra primera clave para dar el valor que queremos atribuir para esa primera clave. 02:38.190 --> 02:44.130 Bueno, como pueden ver, agregué un pequeño truco aquí y aquí voy a agregar el objeto al objeto que 02:44.130 --> 02:44.790 quiero decir. 02:45.000 --> 02:53.340 Entonces, el primer objeto que quiero decir es el modelo propio, así que podemos copiar este yo mañana y pegarlo como 02:53.640 --> 02:56.240 el valor de nuestra primera celda clave. 02:56.250 --> 03:00.490 Ahora agregamos ese estado subrayado dict. 03:00.510 --> 03:00.930 Aquí vamos. 03:00.960 --> 03:01.820 El primero. 03:02.190 --> 03:07.430 Y luego lo agregamos entre paréntesis y eso guardará los parámetros de su modelo. 03:07.470 --> 03:09.670 En este primer dict del estado clave. 03:09.950 --> 03:12.330 Y ahora digamos nuestro optimizador. 03:12.360 --> 03:17.640 Así que vamos a agregar una segunda clave en el diccionario y para hacer esto tenemos aquí una coma. 03:17.640 --> 03:21.010 Luego presiona enter y luego vamos con nuestra segunda tecla. 03:21.270 --> 03:22.970 Entonces, la segunda clave lo llamaremos. 03:23.190 --> 03:30.480 Bueno, podemos llamarlo optimizador, luego llamar y luego solo tenemos que agregar el nombre del objeto que desea 03:30.480 --> 03:31.070 guardar. 03:31.260 --> 03:33.390 Y eso es uno mismo. 03:33.390 --> 03:34.650 Ese es nuestro optimizador. 03:34.800 --> 03:38.700 Así que agregamos aquí el optimizador. 03:39.180 --> 03:45.080 Y luego nuevamente para establecer los parámetros de este optimizador estamos nuevamente aquí en ese estado. 03:45.210 --> 03:53.310 esto en un archivo y para hacer esto voy a agregar un segundo argumento a la función Guardar que va a 03:53.310 --> 03:59.550 ser el nombre de este archivo donde queremos tener nuestro modelo en nuestro conjunto optimizador. 03:59.550 --> 04:06.810 Y luego vamos tenemos nuestro modelo guardado con todo el peso guardado y nuestro optimizador guarda perfecto y luego 04:06.810 --> 04:07.470 guardaremos todo 04:07.680 --> 04:13.050 Así que recuerda que debo hacer una demostración rápida en la primera sección de este primer módulo de auto sin conductor. 04:13.140 --> 04:16.530 Sabes que fue una demo donde solo tuvimos algunas acciones aleatorias. 04:16.580 --> 04:21.690 Así que ese no era todavía el auto sin conductor, pero recuerde que hice clic en el botón 04:21.690 --> 04:28.530 Guardar para guardar el modelo y esto creó el último cerebro que PCH encontró, que es el archivo que contiene la misma versión de 04:28.530 --> 04:29.330 su correo electrónico. 04:29.520 --> 04:39.270 la última reseña del cerebro de esa edad para que su moral y su optimizador se guarden en este archivo creado. 04:39.270 --> 04:41.790 Así que voy a agregar aquí 04:41.790 --> 04:44.750 Llevemos esa página para que no la tenga todavía. 04:44.850 --> 04:50.450 Pero tan pronto como haya dicho su modelo en la aplicación, este archivo se creará gracias a este código que 04:50.460 --> 04:51.370 acabamos de agregar. 04:51.690 --> 04:52.220 Todo bien. 04:52.260 --> 04:53.780 Y ahora perfecto. 04:53.850 --> 04:59.430 su modelo de salvar el cerebro de su automóvil al guardar los pesos y el optimizador de la nueva 04:59.440 --> 05:06.240 red que de hecho es el cerebro del automóvil tan perfecto que ahora solo tenemos una función para crear a la izquierda. 05:06.240 --> 05:08.250 Tenemos una función segura que salvará a 05:08.250 --> 05:13.310 Esa es la función de carga y eso se debe a que la misma función nunca funciona sin una función de carga. 05:13.350 --> 05:15.440 No, no tiene sentido guardar tu modelo. 05:15.510 --> 05:17.820 Si no puedes cargar lo que dices después 05:17.820 --> 05:23.060 Ese es el último paso en nuestro viaje antes de la emocionante demostración y haremos que Sloat funcione. 05:23.130 --> 05:26.870 En las dos últimas secciones de Toyota, te veré en este próximo tutorial. 05:26.900 --> 05:28.470 Y hasta entonces, disfruta de la IA.