WEBVTT 00:00.520 --> 00:05.830 Witam i zapraszam do końcowego samouczka sekcji, którą zamierzamy wykonać jako ostatnią 00:06.180 --> 00:12.510 funkcję klasy D2, która oczywiście będzie funkcją ładowania, która naturalnie przychodzi po tej samej funkcji. 00:12.580 --> 00:17.450 Zapisz swój model, a następnie chcesz go wczytać za każdym razem, gdy wrócisz do aplikacji. 00:17.500 --> 00:18.940 Zróbmy to. 00:18.940 --> 00:22.420 Zrobimy def, a następnie załadujemy. 00:22.480 --> 00:29.230 Nazywamy obciążenie funkcją klasyczną, ta funkcja ładowania będzie przyjmować jako argumenty siebie i prawdopodobnie odgadniesz, gdzie 00:29.230 --> 00:35.210 będzie to samo, ponieważ dokładnie załaduje to, co zostało zapisane w tej samej funkcji. 00:35.230 --> 00:37.170 Więc weźmy sobie bezpośredni jutro. 00:37.210 --> 00:39.310 I oczywiście rozwiąż ten optymalizator. 00:39.550 --> 00:42.620 Więc samo-leczenie będzie dla modelu i optymalizatora. 00:43.030 --> 00:46.530 A więc Cullin A teraz zwolnijmy model. 00:46.900 --> 00:53.350 Ponieważ Dymo znajduje się w ostatnim pilnym pliku ph, chcemy się upewnić, że ten plik istnieje i 00:53.350 --> 00:54.620 dlatego właśnie zaczniemy. 00:54.690 --> 01:00.520 Zrobimy warunek IF, aby upewnić się, że ten plik istnieje i jeśli istnieje, ładujemy to, co 01:00.790 --> 01:05.160 mamy w słowniku, który jest w tym ostatnim drukowanym urządzeniu PDA. 01:05.500 --> 01:13.430 Zaczynamy więc od tego, czy wtedy weźmiemy nasz system operacyjny i ścieżkę prowadzącą do tego ostatniego mózgu, 01:13.450 --> 01:14.980 który znalazł PVH. 01:15.160 --> 01:19.730 Tak więc ta ścieżka jest dokładnie ścieżką prowadzącą do folderu roboczego. 01:19.810 --> 01:26.530 O ile mi chodzi o to, że jest to szybki pulpit niż moja sztuczna inteligencja, to jest to folder, a następnie 01:26.530 --> 01:32.080 modeluj jeden samochód do samodzielnego prowadzenia, a następnie modułowy folder z własnym napędem, tutaj znajduje się ten folder 01:32.080 --> 01:33.970 z ostatnim wydrukiem, który znalazłeś. 01:34.210 --> 01:39.570 A potem dodamy do tego, co jest plikiem tego pliku. 01:39.850 --> 01:40.990 To jest funkcja. 01:41.080 --> 01:42.700 Więc dodam nawias. 01:42.850 --> 01:48.040 W nawiasie wprowadzę nazwę pliku pliku, który zawiera model, który 01:48.040 --> 01:50.810 jest ostatnią kropką w mózgu. 01:50.890 --> 01:53.660 Musimy więc umieścić to w cudzysłowie. 01:53.860 --> 02:04.000 I tak wchodzę do ostatniego mózgu, który de-th i tak jest plikiem ostatniego mózgu, ta strona zwróci true, jeśli plik, który jest 02:04.000 --> 02:10.750 przyjacielem w tym wieku, istnieje i upada, jeśli nie istnieje i dlatego ten warunek 02:10.990 --> 02:13.410 oznacza, że mamy ostatnie renderowanie. 02:13.630 --> 02:18.110 A więc teraz działa katalog katalogowy, więc chodźmy. 02:18.110 --> 02:19.900 Co się stanie w takim przypadku. 02:19.900 --> 02:22.470 W takim przypadku, jeśli ten plik istnieje. 02:22.660 --> 02:28.150 Najpierw wydrukujemy coś, co można powiedzieć, że wiesz, że ładujemy moralność, 02:28.150 --> 02:35.900 na przykład możesz powiedzieć małą strzałkę, a następnie ładować punkty kontrolne za pomocą trzech małych kropek. 02:35.980 --> 02:36.320 W porządku. 02:36.340 --> 02:38.350 To znaczy, że ładujemy jutro. 02:38.620 --> 02:41.050 A potem oczywiście załadujemy model. 02:41.080 --> 02:46.690 Tak więc morał i optymalizator i zamierzamy umieścić to, co ładujemy w testamencie, który 02:46.840 --> 02:54.040 mam zamiar nazwać punktem kontrolnym, i tam będziemy używać funkcji ładowania do załadowania tego, co zostało zapisane w tej 02:54.040 --> 02:54.920 samej funkcji. 02:55.150 --> 03:02.530 Oczywiście jest to funkcja z biblioteki pochodni do punktu pochodni, a nazwa funkcji Sloat jest 03:02.530 --> 03:08.990 po prostu tym nawiasem, a wewnątrz nawiasów według ciebie, co musimy wprowadzić. 03:09.190 --> 03:15.340 No cóż, po prostu musimy zapisać plik zawierający nasze zapisane jutro 03:15.370 --> 03:24.150 i zapisać optymalizator optymalizujący, więc musimy po prostu umieścić nazwę pliku, który ostatnio przynosi kropkę de-th. 03:24.390 --> 03:30.300 Przywołajmy BGH i ładujemy ten plik tylko pod warunkiem, że ten plik istnieje. 03:30.300 --> 03:33.040 Właśnie dlatego musieliśmy nazwać ten warunek tutaj. 03:33.860 --> 03:36.590 OK, więc po załadowaniu modelu i optymalizatora. 03:36.690 --> 03:43.520 Zamierzamy dokonać osobnej aktualizacji naszego modelu i optymalizatora, ponieważ faktycznie załadowaliśmy 03:43.530 --> 03:48.080 parametry, które obciążyliśmy wagami i parametry optymalizatora. 03:48.160 --> 03:56.490 Teraz potrzebujemy zaktualizować nasz istniejący model, który jest tym jednym modelem bloku komórek, a 03:56.550 --> 04:04.890 nasz istniejący optymalizator rozwiązał ten optymalizator z parametrami z wagami, które są w tym ostatnim Brender. 04:05.150 --> 04:10.680 Musimy więc po prostu dokonać tych dwóch aktualizacji osobno i aby to zrobić, użyjemy metody 04:10.680 --> 04:11.980 z modułów tortur. 04:12.150 --> 04:17.970 Tak więc będzie dziedziczenie, które pozwoli nam na użycie tej metody, która nazywa 04:17.970 --> 04:25.500 się Load state dict, a spowolniona metoda statyczna pozwoli nam datować wszystkie parametry naszego modelu i naszego optymalizatora. 04:25.500 --> 04:28.710 Zróbmy to i zacznijmy od aktualizacji naszych modeli. 04:28.710 --> 04:35.820 Przyjmujemy więc nasz model, który jest samoukiem, ponieważ samouk dziedziczy po metodach 04:35.820 --> 04:40.530 modułu palnika, aby zastosować metodę stanu obciążenia. 04:40.650 --> 04:43.190 To jest metoda, którą czerpiemy z dziedziczenia. 04:43.380 --> 04:48.490 I dzięki tej metodzie będziemy aktualizować wszystkie parametry modelu, które są do końca. 04:48.810 --> 04:54.120 I to, co musimy umieścić w tym stanie Metoda Dicka jest naszym punktem kontrolnym bardzo dobrze. 04:54.180 --> 04:56.210 Jest to wynikiem funkcji obciążenia. 04:56.290 --> 05:04.080 Tak więc punkty kontrolne to nawiasy klamrowe, a teraz musimy podać nazwę klucza, który odpowiada naszemu modelowi, 05:04.470 --> 05:07.270 który odpowiada data stanu modelu subduct. 05:07.560 --> 05:09.490 I to jest stan. 05:09.800 --> 05:17.970 Tak więc w punktach kontrolnych i nawiasach wprowadzamy w cudzysłowie podkreślenia biletów, a ta linia 05:18.210 --> 05:20.170 kodu zaktualizuje model. 05:20.220 --> 05:23.440 To jest narzędzie, które czeka na parametry twojego modelu. 05:23.580 --> 05:26.330 A teraz musimy zrobić to samo dla optymalizatora. 05:26.520 --> 05:28.380 I to będzie prawie to samo. 05:28.470 --> 05:33.290 Zamierzam skopiować tę linię wklejoną poniżej. 05:33.420 --> 05:40.620 I tym razem nie będziemy jutro spotykać się z datą, ale optymalizatorem tego optymalizatora. 05:40.650 --> 05:47.730 Następnie ponownie używamy metody stanu Dicka, która dziedziczy po metodach modułu palnika i stosujemy 05:47.730 --> 05:52.020 tę funkcję do punktu kontrolnego stanu dict. 05:52.170 --> 05:56.970 Ale klucz odpowiadający optymalizatorowi i optymalizatorowi. 05:57.150 --> 06:02.260 A więc właśnie zamieniamy datę na Mizer. 06:02.280 --> 06:03.180 No to jedziemy. 06:03.180 --> 06:04.880 Tutaj aktualizujemy wagi. 06:04.920 --> 06:07.600 I tutaj aktualizujemy parametry optymalizatora. 06:08.340 --> 06:15.870 Perfekcyjnie, a dopiero po zakończeniu możemy wydrukować trochę w ten sposób. 06:15.870 --> 06:21.510 I na koniec musimy tylko określić, co się stanie, jeśli ten warunek nie będzie przestrzegany. 06:21.570 --> 06:29.670 To znaczy, jeśli nie ma zbyt wiele prób Pythii, więc musimy dodać coś innego niż Colin i Cindy, że 06:29.700 --> 06:32.630 powiemy, że takiego pliku nie ma. 06:32.640 --> 06:34.110 Przyprowadźmy wiek PTA. 06:34.200 --> 06:44.350 Więc zamierzamy wydrukować coś w rodzaju "Brak punktu kontrolnego" i trzy małe, jeśli chcesz. 06:44.360 --> 06:45.180 W porządku. 06:45.230 --> 06:50.500 A to daje nam funkcjonalną funkcję obciążenia i przede wszystkim funkcjonalną. 06:50.540 --> 06:57.890 Czy byłeś na zajęciach, a teraz wielkie gratulacje, ponieważ nasza sztuczna inteligencja jest gotowa, prawdopodobnie słyszysz dźwięk mojego głosu 06:57.890 --> 07:02.230 i jestem bardzo podekscytowany, ponieważ teraz jest czas na demo. 07:02.330 --> 07:08.510 Właśnie zrobiliśmy mózg i zamierzamy umieścić ten mózg w samochodzie, a przekonamy się, że jest wystarczająco sprytny, aby 07:08.840 --> 07:13.440 odbyć te okrągłe podróże między lotniskiem a centrum miasta, gdziekolwiek jest droga. 07:13.520 --> 07:15.310 Więc nie mogę się doczekać, żeby pokazać wam demo. 07:15.410 --> 07:17.430 To będzie w następnej sekcji. 07:17.510 --> 07:19.100 I do tego czasu I.