WEBVTT 00:00.420 --> 00:06.440 Merhaba ve sürecin son adımına hoş geldiniz beyin yapmak için yaptığımız bir işlevi sola çevirelim. 00:06.450 --> 00:12.180 Sinyalleri sinir ağının tüm katmanlarında, üç konvolümyon katmanı ve tam bağlı katman 00:12.510 --> 00:16.180 da dahil olmak üzere yayacak ileri fonksiyontur. 00:16.380 --> 00:21.660 Ve bu nedenle bu fonksiyon, kendiliğinden sürüş otomobili için olduğu gibi ileri bir 00:21.780 --> 00:27.440 işlevdir, ancak bu sefer sinyalleri konvolümyon katmanlarında tamamen bağlı katmanın önüne geçirmek zorundayız. 00:27.660 --> 00:32.610 Ve iyi haber şu ki, önceki adımda Newnes sayısı fonksiyonuyla bunu yaptık. 00:32.640 --> 00:37.160 Dolayısıyla, sinyali ülkede yayacak kodu zaten var. 00:37.340 --> 00:38.940 Ve bu yüzden bu çok hızlı olacak. 00:38.950 --> 00:43.950 Burada yaptıklarımızı ve denizaltı otomobilimiz için yaptığımız şeyleri birleştirip beyimiz 00:43.950 --> 00:45.720 için ileri fonksiyonumuzu alacağız. 00:45.780 --> 00:46.860 O halde bunu yapalım. 00:46.860 --> 00:54.660 Beynin sonuncusu olan burada yeni bir işlev sunmaktayız ve bu işlev bir argüman 00:55.170 --> 00:56.940 alan ileri işlevdir. 00:57.160 --> 01:05.400 Her şeyden önce kendi kendine gelmeden önce nesnelere ve X'e öncelikle giriş görüntüsü olacak 01:05.400 --> 01:10.280 ve sonra X sinyali yeni ağa yayılırken güncellenecek biliyorsunuz. 01:10.650 --> 01:11.460 Tamam. 01:11.460 --> 01:14.350 Cullen, sonra da işin içine girelim. 01:14.370 --> 01:20.500 Dediğim gibi, sinyali üç kıvrımlı katmanda iletmek için kod hazırladık. 01:20.580 --> 01:23.440 İşte bu üç kod satırı. 01:23.640 --> 01:29.040 Bu yüzden onları kopyalayıp yapıştırıyorum ve işte gidiyoruz. 01:29.040 --> 01:34.430 Zaten sinyalin üç konvolasyon katmanında yayılımı gerçekleştirdik. 01:34.520 --> 01:40.830 sinyali konvolusyon katmanlarından gizli katmana, sonra nihai olarak sinir ağının sonundaki 01:40.830 --> 01:46.680 çıktı katmanına yaymak ve bunu yapmak için öncelikle üçüncü katlamalı 01:46.680 --> 01:53.520 katmanı düzleştirmek zorunda olduğumuz burada ilk önce X'in giriş imgesi olduğunu hatırlayın. 01:53.520 --> 01:54.610 Ve şimdi, 01:54.720 --> 02:00.780 Burada X ilk konvolüsyon tabakası olur, sonra X buradaki ikinci konvolüyon haline gelir. 02:00.930 --> 02:03.840 Ve burada X, buradaki üçüncü konvolüyonel hale gelir. 02:03.960 --> 02:07.730 Dolayısıyla şu anda bu aşamada X üçüncü kıvrım tabakasıdır. 02:07.860 --> 02:15.000 Ve şimdi düzleşmeyi orada alabilmek için bu üçüncü konvolusyonel katmanı X düzleştirmeliyiz ve bunu yapmak için burada yaptığımız 02:15.070 --> 02:20.220 gibi oldukça benzer bir şey yapacağız, ancak bu sefer sadece bu sefer bizler 02:20.220 --> 02:25.090 sadece düzleştirmek için ihtiyaç duyduğumuz nöron sayısına ihtiyacımız yok. kanalları üçüncü kıvrımda orada. 02:25.140 --> 02:28.130 Dolayısıyla bu oldukça basit ama çok benzer olacaktır. 02:28.410 --> 02:35.570 Ve bunu yapmak için X'i tekrar alacağız çünkü X düzleşme tabakası haline gelecektir. 02:35.890 --> 02:43.990 Sadece X değerini x eşitiyiz, böylece X değerini tekrar alıyoruz, ancak bu X, üçüncü konvolüasyon katmanı olan eski 02:43.990 --> 02:44.480 X'tır. 02:44.550 --> 02:51.510 O halde üçüncü kıvırcıklığı burada alıyoruz, ancak daha sonra argümanlara uyguladığımız görüntüleme 02:51.510 --> 02:52.460 işlevini alıyoruz. 02:52.530 --> 02:55.730 İlki sıfır olan X'dir. 02:56.100 --> 03:01.800 almak için boyut fonksiyonunu ele alıyor ve bunları bu X haline gelecek olan bu büyük 03:01.800 --> 03:07.320 vektörde birbiri ardına koyuyoruz ve bu X sonra onun girişi haline gelecektir. tam bağlantılı ağ. 03:07.320 --> 03:11.280 Böylece yine tüm kanalların ve üçüncü konvolüyonel katmanın tüm piksellerini 03:11.460 --> 03:12.860 Ancak tüm ihtiyacımız bu değil. 03:13.080 --> 03:14.530 Ve gel buraya. 03:14.650 --> 03:15.990 Ve eksi bir. 03:16.200 --> 03:19.170 Bu hüner, cep saati öğreticilerinde bulabilirsiniz. 03:19.350 --> 03:25.130 Boyut fonksiyonunu kullanarak birkaç kanaldan oluşan konvolüyonu düzleştirerek bunu yapabilirsiniz. 03:25.200 --> 03:29.890 Ve elbette bunun nasıl işlediğine ilişkin daha fazla bilgi istiyorsanız, cep saati öğreticilerine gidebilirsiniz. 03:30.030 --> 03:31.410 Bağlantıyı sağlayacağım. 03:31.800 --> 03:38.250 Artık düzleştirmemizi orada yapmış olduğumuza göre, bu düzleşmenin sinyalin basit doğrusal iletimi 03:38.580 --> 03:43.800 ile klasik bir tam bağlantılı ağın girişi olacağını bilirsiniz. 03:43.830 --> 03:49.440 Ve şimdi sinyali iletmek için bir konvolüsyon fonksiyonu kullanmayacağız çünkü doğrusal bir 03:49.440 --> 03:54.720 sınıfla doğrusal bir iletim kullanacağız ve daha sonra doğrusallığı bozacağız, çünkü 03:54.780 --> 03:57.670 resimlerle ve görüntüler çalışırken, doğrusal ilişkiler. 03:57.900 --> 04:03.360 Bu doğrusal olmayan ilişkileri öğrenebilmek için düzeltilebilir bir işlev kullanacağız. 04:03.510 --> 04:04.560 O halde bunu yapalım. 04:04.560 --> 04:06.160 Aslında bu bir sonraki adım. 04:06.210 --> 04:09.320 Ve şimdi tam da bu, kendinden araba sürme aracı için yaptıklarımız gibidir. 04:09.360 --> 04:15.030 X'i alıyoruz çünkü onu tekrar güncellemek istiyoruz, şimdi gizli katmanı almak istiyoruz. 04:15.100 --> 04:20.970 Ve önce yapacağımız şey tam bağlantı SE1'dir çünkü tam bağlantı. 04:20.970 --> 04:27.030 Düzleştirici tabaka ile gizli tabakayı birbirine bağlayan FC biridir ve bu 04:27.300 --> 04:32.850 nedenle SE1'i alıp şu anda bulunduğumuz taşkın olan X'e uygulamanız gerekir. 04:33.000 --> 04:38.780 Ve elbette ki benliği de unutmayız çünkü herkes init işlevimizin bir değişkeni. 04:38.890 --> 04:45.510 Öyleyse kendi kendine SE1 X dersi vermiş ve böylece düzgünce oradan gizli olana sinyali doğrusal olarak geçmektedir. 04:45.690 --> 04:49.990 Fakat şimdi, bu sinir hücrelerini harekete geçirmeliyiz, aynı zamanda yanlışlıkla kanunları ihlal etmeliyiz. 04:50.130 --> 04:53.480 Ve tam da doğrultucu aktivasyon işlevi ile yaptığımız şey budur. 04:53.490 --> 05:00.990 Şimdi yapmamız gereken şey, fonksiyonel modülümüzü almak ve bu fonksiyonel modülden elbette veya 05:01.140 --> 05:03.870 gerçek olan düzeltilebilir fonksiyon almaktır. 05:04.230 --> 05:08.130 Ve kendi kendine öğretilen SE1'i parantez içine koyduk. 05:08.220 --> 05:14.280 Pekâlâ, bu kod satırında olan şey, önce düzleştirici katmandan tamamen bağlı 05:14.280 --> 05:17.210 ağın gizli katmanına sinyalleri yaymaktır. 05:17.580 --> 05:23.970 Sonra bu gizli katmanın nöronlarını, bu doğrultucu aktivasyon işlevi ile havaya kaldırarak 05:23.970 --> 05:29.100 aktive ederiz ve burada mükemmel olan başımızı buraya getirelim. 05:29.130 --> 05:35.370 Ve şimdi bunu yapmak için son bir adımımız var, elbette sinyali gizli katmandan çıktı çıktı 05:35.670 --> 05:39.680 katmanına nihai çıkış nöronları ile yaymak ve bunu yapmaktır. 05:39.720 --> 05:41.160 Bu çok basit. 05:41.160 --> 05:43.680 Aynen arabayla yaptıklarımız gibi. 05:43.680 --> 05:51.720 C2'nin ikinci tam koleksiyonumuzu alıyoruz ve elbette şu an gizli katmanın nöronlarını 05:51.990 --> 05:53.700 uyguluyoruz x. 05:53.740 --> 05:55.900 İşte burada burada nöronlar. 05:56.040 --> 06:02.840 Buradaki tüm x ve x tabii ki küp değerlerini içeren çıktı tabakasının çıkış nöronları olur. 06:03.210 --> 06:10.070 Ve nihayet küp değerleriyle x olan çıkış nöronlarını döndürürüz. 06:10.320 --> 06:11.240 Çok mükemmel. 06:11.250 --> 06:16.950 Tebrikler, sadece bir AI AI'nın beynini gözler ve hücrelerin kalan kısmı 06:16.950 --> 06:17.740 ile yaptık. 06:17.790 --> 06:19.130 Öyleyse tebrikler. 06:19.140 --> 06:23.550 Şimdi, hareketi nasıl oynayacağımızı belirleyen cesedi hazırlama zamanı. 06:23.550 --> 06:26.480 Bütün sinyaller beyinde işlendikten sonra. 06:26.690 --> 06:28.370 İşte bu ikinci büyük adımız. 06:28.380 --> 06:30.280 Bunu bir sonraki ders kitaplarında yapalım. 06:30.300 --> 06:31.780 Ve o zamana kadar AI.