WEBVTT

00:00.520 --> 00:05.830
Hallo und willkommen zum letzten Tutorial des Abschnitts. Wir werden die letzte Funktion dieses

00:06.180 --> 00:12.510
D2 in der Klasse erstellen, die natürlich die Ladefunktion sein wird, die natürlich nach derselben Funktion kommt.

00:12.580 --> 00:17.450
Sie speichern Ihr Modell und möchten es dann immer dann laden können, wenn Sie zur Anwendung zurückkehren.

00:17.500 --> 00:18.940
Also lass uns das tun.

00:18.940 --> 00:22.420
Wir machen def und laden dann.

00:22.480 --> 00:29.230
Wir rufen die Klassenfunktion load erneut auf. Diese Ladefunktion wird als Argumente self verwendet, und Sie vermuten wahrscheinlich, wo

00:29.230 --> 00:35.210
sich dieses Self befindet, da genau das geladen wird, was in derselben Funktion gespeichert wurde.

00:35.230 --> 00:37.170
Also nehmen wir uns morgen selbst.

00:37.210 --> 00:39.310
Und natürlich lösen Sie diesen Optimierer.

00:39.550 --> 00:42.620
Die Selbstheilung wird also für das Modell und den Optimierer sein.

00:43.030 --> 00:46.530
Also dann Cullin Und jetzt lass uns das Modell verlangsamen.

00:46.900 --> 00:53.350
Da sich Dymo in der letzten gestürzten ph-Datei befindet, möchten wir sicherstellen, dass diese Datei vorhanden ist. Deshalb

00:53.350 --> 00:54.620
beginnen wir damit.

00:54.690 --> 01:00.520
Wir werden eine IF-Bedingung erstellen, um sicherzustellen, dass diese Datei existiert. Wenn sie existiert, werden wir das laden,

01:00.790 --> 01:05.160
was wir in dem Wörterbuch haben, das sich in diesem letzten PDA befindet.

01:05.500 --> 01:13.430
Wir beginnen also mit einem Wenn, dann nehmen wir unser Betriebssystem und den Pfad zu diesem letzten Gehirn, das

01:13.450 --> 01:14.980
PVH gefunden hat.

01:15.160 --> 01:19.730
Dieser Pfad ist also genau der Pfad, der zum Arbeitsverzeichnisordner führt.

01:19.810 --> 01:26.530
Für mich ist das also ein schneller Desktop als meine künstliche Intelligenz. Es ist ein Ordner, dann ein selbstfahrendes

01:26.530 --> 01:32.080
Auto und dann das Modul eines selbstfahrenden Autoordners. Dort befindet sich dieser Ordner mit dem letzten

01:32.080 --> 01:33.970
Druck, den Sie gefunden haben.

01:34.210 --> 01:39.570
Und dann fügen wir dieser Datei eine Datei hinzu.

01:39.850 --> 01:40.990
Das ist also eine Funktion.

01:41.080 --> 01:42.700
Ich werde also ein paar Klammern hinzufügen.

01:42.850 --> 01:48.040
Und in der Klammer gebe ich den Namen des Dateinamens der Datei

01:48.040 --> 01:50.810
ein, die das letzte Gehirnmodell enthält.

01:50.890 --> 01:53.660
Also müssen wir es in Anführungszeichen setzen.

01:53.860 --> 02:04.000
Und so betrete ich das letzte Gehirn, das de-th ist, und so ist die Datei das letzte Gehirn. Diese Seite wird als wahr zurückgegeben, wenn die

02:04.000 --> 02:10.750
Datei, die das Alter befreundet ist, existiert und fällt, wenn sie nicht existiert, und daher bedeutet dies,

02:10.990 --> 02:13.410
wenn die letzte vorhanden ist machen.

02:13.630 --> 02:18.110
Nun, Arbeitsverzeichnis Ordner dann los geht's.

02:18.110 --> 02:19.900
Was wird in diesem Fall passieren?

02:19.900 --> 02:22.470
In diesem Fall, wenn diese Datei vorhanden ist.

02:22.660 --> 02:28.150
Zuerst werden wir etwas drucken, um zu sagen, dass wir die Moral

02:28.150 --> 02:35.900
von laden, zum Beispiel können Sie einen kleinen Pfeil sagen und dann Kontrollpunkte mit drei kleinen Punkten laden.

02:35.980 --> 02:36.320
Gut.

02:36.340 --> 02:38.350
Das heißt nur, wir laden morgen.

02:38.620 --> 02:41.050
Und dann werden wir natürlich das Modell laden.

02:41.080 --> 02:46.690
Also die Moral und das Optimierungsprogramm, und wir werden das, was wir laden, in einen Testament

02:46.840 --> 02:54.040
setzen, den ich Checkpoint gleich nennen werde. Dort werden wir die load-Funktion verwenden, um zu laden, was in derselben Funktion

02:54.040 --> 02:54.920
gespeichert wurde.

02:55.150 --> 03:02.530
Natürlich ist dies eine Funktion von der Fackelbibliothek bis zum Fackelpunkt und der Name der

03:02.530 --> 03:08.990
Sloat-Funktion ist einfach die Klammer und innerhalb der Klammer, was Sie eingeben müssen.

03:09.190 --> 03:15.340
Nun, ganz einfach müssen wir die Datei eingeben, die unser morgen gespeichertes enthält,

03:15.370 --> 03:24.150
und das Optimierungsoptimierungsprogramm wird gespeichert. Daher müssen wir nur den Namen der Datei eingeben, die als letztes dot de-th ist.

03:24.390 --> 03:30.300
Lassen Sie uns diesen BGH bringen und wir laden diese Datei nur in dem Zustand, in dem diese Datei existiert.

03:30.300 --> 03:33.040
Deshalb mussten wir diese Bedingung hier nennen.

03:33.860 --> 03:36.590
OK, jetzt haben wir das Modell und den Optimierer geladen.

03:36.690 --> 03:43.520
Nun, wir werden unser Modell und das Optimierungsprogramm separat aktualisieren, da wir tatsächlich die Parameter geladen haben.

03:43.530 --> 03:48.080
Wir haben die Gewichtungen und die Parameter des Optimierers geladen.

03:48.160 --> 03:56.490
Jetzt müssen wir unser vorhandenes Modell, dieses Ein-Zellen-Block-Modell, aktualisieren und unser vorhandenes

03:56.550 --> 04:04.890
Optimierungsprogramm hat dieses Optimierungsprogramm mit den Parametern mit den Gewichten dieses letzten Brender gelöst.

04:05.150 --> 04:10.680
Also müssen wir diese beiden Updates einfach separat vornehmen und dazu verwenden wir eine Methode

04:10.680 --> 04:11.980
aus den Foltermodulen.

04:12.150 --> 04:17.970
Es wird also eine Vererbung geben, die es uns ermöglicht, diese Methode zu verwenden, die

04:17.970 --> 04:25.500
als Ladezustandsdikt bezeichnet wird, und die verlangsamte statische Methode wird uns erlauben, alle Parameter unseres Modells und unseres Optimierers zu datieren.

04:25.500 --> 04:28.710
Also lass uns das tun und lass uns damit beginnen, unsere Modelle zu aktualisieren.

04:28.710 --> 04:35.820
Daher nehmen wir unser Modell, das ein selbstlernendes Modell ist, da das selbstlernende Modell von den

04:35.820 --> 04:40.530
Methoden des Brennermoduls erbt, um die Lastzustandsdiktmethode zu verwenden.

04:40.650 --> 04:43.190
Das ist die Methode, die wir von der Vererbung nehmen.

04:43.380 --> 04:48.490
Dank dieser Methode werden wir alle Parameter des gesamten Modells aktualisieren.

04:48.810 --> 04:54.120
Was wir also in diese State-Dick-Methode bringen müssen, ist unser Checkpoint sehr gut.

04:54.180 --> 04:56.210
Das ist das Ergebnis der Ladefunktion.

04:56.290 --> 05:04.080
Checkpunkte dann in Klammern und jetzt müssen wir den Namen des Schlüssels eingeben, der unserem Modell entspricht und

05:04.470 --> 05:07.270
der dem Datumsstatus des Subduct-Modells entspricht.

05:07.560 --> 05:09.490
Und das ist Staat.

05:09.800 --> 05:17.970
In Checkpoints und in Klammern geben wir also in Quote States Unterstriche ein und diese Codezeile

05:18.210 --> 05:20.170
aktualisiert Ihr Modell.

05:20.220 --> 05:23.440
Dies ist ein Werkzeug, das auf die Parameter Ihres Modells wartet.

05:23.580 --> 05:26.330
Und jetzt müssen wir dasselbe für den Optimierer tun.

05:26.520 --> 05:28.380
Und das wird fast das gleiche sein.

05:28.470 --> 05:33.290
Also kopiere ich diese Zeile unten.

05:33.420 --> 05:40.620
Und diesmal werden wir diesmal nicht morgen, sondern der Optimierer dieser Optimierer.

05:40.650 --> 05:47.730
Dann verwenden wir erneut die State-Dick-Methode, die von den Brennermodul-Methoden erbt, und wenden diese

05:47.730 --> 05:52.020
Funktion auf den Prüfpunkt des Statusdikts an.

05:52.170 --> 05:56.970
Aber der Schlüssel, der dem Optimierer und dem Optimierer entspricht, ist der Optimierer.

05:57.150 --> 06:02.260
Hier ersetzen wir einfach ein Datum durch bis zu Mizer.

06:02.280 --> 06:03.180
Da gehen wir.

06:03.180 --> 06:04.880
Hier aktualisieren wir die Gewichte der.

06:04.920 --> 06:07.600
Und hier aktualisieren wir die Parameter des Optimierers.

06:08.340 --> 06:15.870
Perfekt und erst dann können wir ein bisschen so drucken.

06:15.870 --> 06:21.510
Und zum Schluss müssen wir nur noch angeben, was passiert, wenn diese Bedingung nicht eingehalten wird.

06:21.570 --> 06:29.670
Das ist der Fall, wenn es nicht viele Pythia-Tests gibt, und wir müssen einfach eine andere als Colin und Cindy hinzufügen. Wir werden

06:29.700 --> 06:32.630
nur sagen, dass es keine solche Datei gibt.

06:32.640 --> 06:34.110
Lassen Sie uns das PTA-Alter bringen.

06:34.200 --> 06:44.350
Also drucken wir einfach so etwas wie No Check Point und drei kleine, wenn Sie möchten.

06:44.360 --> 06:45.180
Gut.

06:45.230 --> 06:50.500
Und das gibt uns eine funktionale Ladefunktion und meistens funktionale.

06:50.540 --> 06:57.890
Habt ihr im Unterricht und nun herzlichen Glückwunsch, weil unsere künstliche Intelligenz bereit ist, hört man wahrscheinlich durch den Klang meiner Stimme und

06:57.890 --> 07:02.230
ich bin sehr aufgeregt, denn jetzt ist es Zeit für die Demo.

07:02.330 --> 07:08.510
Wir haben gerade ein Gehirn gebaut und wir werden dieses Gehirn in das Auto einbauen, und wir werden sehen, wie klug genug ist,

07:08.840 --> 07:13.440
diese Rundfahrten zwischen dem Flughafen und der Innenstadt zu machen, wo auch immer die Straße ist.

07:13.520 --> 07:15.310
Ich kann es kaum erwarten, Ihnen die Demo zu zeigen.

07:15.410 --> 07:17.430
Dies wird im nächsten Abschnitt geschehen.

07:17.510 --> 07:19.100
Und bis dahin ich