WEBVTT 00:00.330 --> 00:03.420 Xin chào và chào mừng đến với hướng dẫn cuối cùng của phần này. 00:03.420 --> 00:09.210 Chúng ta sẽ tạo hàm cuối cùng của lớp tài liệu này, tất nhiên đây sẽ là 00:09.210 --> 00:12.360 hàm tải tự nhiên xuất hiện sau hàm lưu. 00:12.360 --> 00:17.250 Bạn lưu mô hình của mình và sau đó bạn muốn có thể tải mô hình đó bất cứ khi nào bạn quay lại ứng dụng. 00:17.250 --> 00:18.660 Vì vậy, chúng ta hãy làm điều này. 00:18.660 --> 00:22.440 Chúng ta sẽ tạo def, sau đó tải. 00:22.440 --> 00:29.190 Chúng ta lại gọi đây là hàm tải cuối cùng, hàm tải này sẽ tự nhận là đối số và bạn có thể đoán được hàm 00:29.190 --> 00:31.020 này sẽ dùng để làm gì. 00:31.020 --> 00:34.980 Nó sẽ chính xác để tải những gì đã được lưu trong chức năng lưu. 00:34.980 --> 00:39.060 Vì vậy, chúng tôi sẽ tự mô hình hóa và tất nhiên tự tối ưu hóa đó. 00:39.270 --> 00:42.330 Vì vậy, bản thân ở đây sẽ dành cho mô hình và trình tối ưu hóa. 00:42.780 --> 00:46.290 Vì vậy, sau đó dấu hai chấm và bây giờ chúng ta hãy tải mô hình. 00:46.650 --> 00:53.100 Vì vậy, vì mô hình nằm trong thương hiệu cuối cùng của tệp, chúng tôi muốn đảm bảo tệp này tồn tại và do đó đó là những gì 00:53.100 --> 00:54.420 chúng tôi sẽ bắt đầu. 00:54.420 --> 00:58.230 Chúng tôi sẽ đưa ra điều kiện F để đảm bảo rằng tệp này tồn tại. 00:58.230 --> 01:04.980 Và nếu nó tồn tại, chúng tôi sẽ tải những gì chúng tôi có trong từ điển, nằm trong tệp in cuối cùng này. 01:05.280 --> 01:13.410 Vì vậy, chúng ta bắt đầu bằng chữ F, sau đó chúng ta sẽ lấy hệ điều hành của mình và đường dẫn đến tệp 01:13.410 --> 01:14.880 braindead cuối cùng này. 01:14.880 --> 01:19.650 Vì vậy OS dot path chính xác là đường dẫn đến thư mục thư mục làm việc. 01:19.650 --> 01:26.100 Theo như tôi lo ngại rằng màn hình nền đường dẫn này chứ không phải trí tuệ nhân tạo của tôi, đó là thư mục 01:26.100 --> 01:31.770 đó sau đó tạo mô hình một chiếc ô tô tự lái và sau đó là mô-đun một thư mục ô 01:31.770 --> 01:39.330 tô tự lái, đó là thư mục này ở đây với điểm cuối cùng của tệp và sau đó chúng ta sẽ thêm dấu chấm là tệp là tệp này. 01:39.660 --> 01:40.890 Vì vậy, đó là chức năng. 01:40.890 --> 01:42.570 Vì vậy, tôi sẽ thêm một số dấu ngoặc đơn. 01:42.570 --> 01:47.850 Và bên trong dấu ngoặc, tôi sẽ nhập tên của tệp, tên của tệp chứa mô hình 01:47.850 --> 01:49.760 là dấu chấm não cuối cùng. 01:50.610 --> 01:53.490 Vì vậy, chúng tôi phải nhập nó trong dấu ngoặc kép. 01:53.610 --> 02:04.470 Và vì vậy tôi đang nhập dấu chấm não cuối cùng và vì vậy dấu chấm não trái của tệp này sẽ trả về true nếu dấu chấm não trái 02:04.470 --> 02:08.400 của tệp tồn tại và false nếu không tồn tại. 02:08.400 --> 02:15.840 Và do đó nếu điều kiện này có nghĩa là nếu chúng ta có não trái tập tin trong thư mục thư mục làm việc của chúng ta, thì chúng 02:16.140 --> 02:19.590 ta hãy đi đến những gì sẽ xảy ra trong trường hợp đó. 02:19.590 --> 02:22.380 Trong trường hợp đó, nếu tệp này tồn tại. 02:22.380 --> 02:27.450 Đầu tiên, chúng ta sẽ in một cái gì đó để nói rằng chúng ta đang tải mô hình. 02:27.460 --> 02:35.520 Vì vậy, ví dụ, chúng ta có thể nói một mũi tên nhỏ và sau đó tải các điểm kiểm tra với ba dấu chấm nhỏ. 02:35.790 --> 02:36.180 Được rồi. 02:36.180 --> 02:40.890 Vì vậy, đó chỉ là để nói rằng, chúng tôi đang tải mô hình và sau đó, tất nhiên, chúng tôi sẽ tải mô hình. 02:40.890 --> 02:46.650 Vì vậy, mô hình và trình tối ưu hóa và chúng tôi sẽ đặt những gì chúng tôi tải vào một 02:46.650 --> 02:49.560 biến mà tôi sẽ gọi là điểm kiểm tra bằng. 02:49.560 --> 02:54.900 Và đó là nơi chúng ta sẽ sử dụng hàm tải để tải những gì đã được lưu trong hàm lưu. 02:54.900 --> 02:58.950 Vì vậy, tất nhiên đây là một chức năng từ thư viện ngọn đuốc. 02:58.950 --> 03:06.960 Vậy Torch Dot và tên của hàm load này chỉ đơn giản là load ngoặc đơn và bên trong ngoặc đơn theo bạn chúng 03:06.960 --> 03:08.910 ta cần nhập những gì? 03:08.910 --> 03:15.840 Rất đơn giản, chúng tôi cần nhập tệp có chứa mô hình đã lưu và trình tối ưu hóa đã lưu của chúng tôi. 03:15.990 --> 03:22.080 Vì vậy, chúng ta chỉ cần nhập tên của tệp, đó là Last Brain Dot. 03:24.170 --> 03:30.100 Hãy mang theo trang đó và chúng tôi tải tệp này chỉ trong điều kiện tệp này tồn tại. 03:30.110 --> 03:33.020 Vì vậy, đó là lý do tại sao chúng tôi phải viết mã điều kiện if ở đây. 03:33.770 --> 03:33.980 Được chứ. 03:33.980 --> 03:40.460 Vì vậy, bây giờ chúng tôi đã tải mô hình và trình tối ưu hóa, tốt, những gì chúng tôi sẽ làm là cập nhật riêng mô hình của 03:40.460 --> 03:46.220 chúng tôi và trình tối ưu hóa, bởi vì thực sự chúng tôi đã tải các tham số, chúng tôi tải các trọng số và các 03:46.220 --> 03:47.930 tham số của trình tối ưu hóa. 03:47.930 --> 03:55.880 Vì vậy, bây giờ những gì chúng ta cần làm là cập nhật mô hình hiện có của mình, chính là mô hình này, mô hình đó 03:55.880 --> 04:03.410 và chính trình tối ưu hóa hiện có của chúng tôi, trình tối ưu hóa đó với các tham số có trọng số trong tệp 04:03.410 --> 04:04.700 braindead cuối cùng này. 04:05.000 --> 04:07.910 Vì vậy, chúng tôi chỉ cần thực hiện hai bản cập nhật này riêng biệt. 04:07.910 --> 04:11.900 Và để làm điều này, chúng ta sẽ sử dụng một phương pháp từ các mô-đun ngọn đuốc. 04:11.900 --> 04:17.930 Vì vậy, sẽ có sự kế thừa sẽ cho phép chúng ta sử dụng phương thức này được gọi là load 04:17.930 --> 04:18.560 state dict. 04:18.560 --> 04:25.250 Và phương pháp trạng thái chậm sẽ cho phép chúng tôi cập nhật tất cả các tham số của mô hình và trình tối ưu hóa của chúng tôi. 04:25.250 --> 04:28.580 Vì vậy, hãy làm điều này và bắt đầu bằng cách cập nhật mô hình của chúng tôi. 04:28.580 --> 04:35.870 Vì vậy, chúng tôi lấy mô hình của chúng tôi, đó là mô hình tự dạy vì mô hình đó kế thừa từ các 04:35.870 --> 04:40.490 phương thức của mô-đun ngọn đuốc để sử dụng phương thức dict trạng thái tải. 04:40.490 --> 04:43.130 Vì vậy, đó là phương pháp chúng tôi đang sử dụng từ sự kế thừa. 04:43.130 --> 04:48.380 Và nhờ vào phương pháp này, chúng tôi sẽ cập nhật tất cả các tham số của mô hình là tất cả các trọng số. 04:48.530 --> 04:54.830 Và vì vậy, những gì chúng ta cần nhập trong phương thức tải tĩnh này là biến điểm kiểm tra của chúng ta, là kết 04:54.830 --> 04:56.030 quả của hàm tải. 04:56.030 --> 05:04.190 Vì vậy, kiểm tra điểm sau đó đến dấu ngoặc và bây giờ chúng ta cần nhập tên của khóa tương ứng với mô hình của chúng tôi, tương 05:04.190 --> 05:09.410 ứng với bản thân, trạng thái mô hình đó là dict và đó là lệnh trạng thái. 05:10.000 --> 05:17.980 Vì vậy, trong các điểm kiểm tra và dấu ngoặc, chúng tôi nhập các trạng thái dấu ngoặc kép trên phiếu điểm và dòng mã này sẽ 05:17.980 --> 05:19.950 cập nhật mô hình của bạn. 05:19.960 --> 05:22.960 Tức là nó sẽ cập nhật các trọng số, các thông số về mô hình của bạn. 05:23.290 --> 05:28.240 Và bây giờ chúng ta cần làm điều tương tự đối với trình tối ưu hóa và điều đó sẽ gần giống như vậy. 05:28.240 --> 05:30.370 Vì vậy, tôi sẽ sao chép dòng này. 05:32.070 --> 05:33.110 Dựa dưới đây. 05:33.120 --> 05:39.330 Và vì vậy, lần này chúng tôi sẽ không cập nhật mô hình mà là chính trình tối ưu hóa. 05:39.330 --> 05:40.400 Trình tối ưu hóa đó. 05:40.410 --> 05:47.670 Sau đó, một lần nữa, chúng tôi sử dụng phương pháp phân rã trạng thái tải kế thừa từ phương pháp mô-đun ngọn đuốc và chúng 05:47.670 --> 05:55.560 tôi áp dụng chức năng này cho điểm kiểm tra không phải là trạng thái dict, mà là khóa tương ứng với trình tối ưu hóa và đó là 05:55.560 --> 05:56.930 trình tối ưu hóa. 05:56.940 --> 06:01.680 Vì vậy, ở đây chúng tôi chỉ thay thế dict bằng lên đến miser. 06:02.100 --> 06:02.910 Chúng ta bắt đầu. 06:02.910 --> 06:07.560 Ở đây chúng tôi cập nhật trọng số của mô hình và ở đây chúng tôi cập nhật các thông số của trình tối ưu hóa. 06:08.220 --> 06:08.910 Hoàn hảo. 06:08.910 --> 06:15.360 Và sau đó chỉ cần hoàn thành, chúng tôi có thể in một chút xong như vậy. 06:15.630 --> 06:21.330 Và cuối cùng, chúng ta chỉ cần xác định điều gì sẽ xảy ra nếu điều kiện này không được tôn trọng. 06:21.330 --> 06:24.420 Đó là, nếu không có một tệp ít thương hiệu hơn. 06:24.420 --> 06:27.990 Và vì vậy chúng ta chỉ cần thêm một cột LS. 06:29.000 --> 06:33.890 Và đơn giản là chúng tôi sẽ nói rằng không có bộ não nào kém tuổi như vậy. 06:34.040 --> 06:42.950 Vì vậy, chúng tôi sẽ in một cái gì đó như không tìm thấy điểm kiểm tra và ba dấu chấm nhỏ nếu bạn muốn. 06:44.200 --> 06:44.980 Được rồi. 06:44.980 --> 06:51.670 Và điều đó cung cấp cho chúng ta một hàm tải chức năng và hầu hết là một chức năng trong lớp. 06:51.670 --> 06:56.920 Và bây giờ xin chúc mừng vì trí tuệ nhân tạo của chúng ta đã sẵn sàng. 06:56.950 --> 07:01.360 Bạn có thể nghe thấy giọng nói của tôi rằng tôi đang rất phấn khích vì bây giờ là lúc 07:01.360 --> 07:02.050 cho bản demo. 07:02.080 --> 07:08.620 Chúng tôi chỉ tạo ra một bộ não và chúng tôi sẽ đặt bộ não này vào trong xe hơi và chúng tôi sẽ xem nó đủ thông minh để 07:08.620 --> 07:13.330 thực hiện những chuyến đi vòng giữa sân bay và trung tâm thành phố, bất kể con đường là gì. 07:13.330 --> 07:15.250 Vì vậy, tôi rất nóng lòng muốn cho bạn xem bản demo. 07:15.280 --> 07:17.290 Điều này sẽ có trong phần tiếp theo. 07:17.290 --> 07:18.580 Và cho đến khi đó, hãy tận hưởng. 07:18.580 --> 07:19.150 TÔI.