WEBVTT 00:00.390 --> 00:05.320 Bonjour et bienvenue dans l’entraînement des yeux avec un kuning convolutionnel profond. 00:05.490 --> 00:06.240 C'est vrai. 00:06.240 --> 00:11.550 Maintenant que nous avons construit l'IA AI avec l'architecture du réseau de neurones, le corps, la façon dont les actions sont 00:11.550 --> 00:12.830 jouées et tout le reste. 00:12.840 --> 00:17.040 Il est temps de m'entraîner avec Cuellar convolutionnel profond. 00:17.220 --> 00:21.100 C’est donc à partir de maintenant que nous mettrons en œuvre votre expérience de replay. 00:21.210 --> 00:23.770 Travailler avec les valeurs en travaillant avec des mots. 00:24.000 --> 00:27.820 Et il y aura même un bonus qui s'améliorera beaucoup. 00:27.840 --> 00:33.870 Le processus de formation, appelé trace d'éligibilité, est une technique puissante qui consiste à 00:34.110 --> 00:41.880 accumuler le mot en plusieurs étapes. Les valeurs de cube sont apprises sur cette accumulation de mots, contrairement à 00:41.880 --> 00:46.860 celles où les valeurs de cube étaient apprises après chaque transition. 00:46.860 --> 00:52.800 Par conséquent, après avoir reçu chaque mot cette fois, nous allons apprendre les valeurs après avoir reçu plusieurs récompenses au 00:53.040 --> 00:54.480 lieu d'un seul mot. 00:54.660 --> 01:00.530 Ainsi, au lieu d’avoir une transition après l’autre et de savoir mettre à jour la valeur Q à chaque fois. 01:00.660 --> 01:07.620 Eh bien, les valeurs q vont être mises à jour à chaque étape, car l'éligibilité trace les radicaux et les étapes, le suivi, puis 01:07.710 --> 01:13.500 la fin de l'éligibilité est ce nombre après lequel les valeurs q vont être mises à jour et dans notre 01:13.500 --> 01:13.820 modèle. 01:13.820 --> 01:15.600 Ici, nous allons avoir des appels alors. 01:15.630 --> 01:21.570 Cela signifie donc que la trace d’éligibilité en 10 étapes sera mise à jour et que nous apprendrons les valeurs q toutes 01:21.840 --> 01:22.880 les 10 étapes. 01:22.890 --> 01:26.820 Après avoir accumulé les mots sur ces 10 étapes, c’est un bonus. 01:26.820 --> 01:32.400 Cela rendra notre modèle encore plus puissant et vous verrez qu'à la fin nous obtiendrons des 01:32.400 --> 01:33.180 résultats exceptionnels. 01:33.180 --> 01:36.020 J'ai été vraiment étonné quand j'ai vu le résultat final. 01:36.030 --> 01:40.430 J'avais l'habitude de travailler sur Merle qui prenait beaucoup de temps à exécuter. 01:40.430 --> 01:45.780 Vous savez que l'IA a mis beaucoup de temps à s'entraîner, mais vous le constaterez avec celui-ci ainsi que le réseau de neurones que 01:45.780 --> 01:46.640 nous avons créé. 01:46.860 --> 01:49.390 C'est notre cerveau et notre corps ici avec des trucs. 01:49.390 --> 01:55.740 Nous obtiendrons ensuite une foule très puissante et donc une IA très puissante, car vous verrez qu'elle va vraiment guérir 01:55.740 --> 01:56.600 les mensonges. 01:56.610 --> 01:59.090 Comprends-tu de quoi je parle? 01:59.370 --> 02:05.440 Comme vous pouvez le voir dans cette partie 2, nous commençons par obtenir l'environnement Dume et en préparant les 02:05.440 --> 02:06.740 lignes de code. 02:06.780 --> 02:12.790 Nous utilisons simplement le fichier externe de prétraitement d'image à partir d'un dossier de répertoire de travail. 02:12.930 --> 02:19.520 Donc, en gros, l’ordre consiste plutôt à prendre d’abord cette ligne de code qui ne la rend pas devant les tribunaux. 02:19.590 --> 02:24.450 0 0 est le nom de l'environnement du jeu auquel nous jouons. 02:24.450 --> 02:30.930 Nous importons donc d’abord l’environnement avec cette gemme qui fait que c’est ce que vous pouvez trouver sur la page ouverte 02:30.930 --> 02:31.970 et les didacticiels. 02:32.190 --> 02:40.230 Mais ensuite, nous utilisons cette classe d’image prétraitement, qui est une classe de prétraitement d’image pour pré-traiter les images 02:40.290 --> 02:45.870 qui entreront dans la nouvelle qui fonctionne. Pour rappel, c’est parce que dans 02:45.870 --> 02:54.060 notre nouveau modèle qui fonctionne bien, nous définissons nos images d’entrée de manière à ce que les moteurs de 02:54.360 --> 02:58.530 mesure aient un moteur temporel de 80 sur 80. 02:58.560 --> 03:03.490 Rappelez-vous que l’un est le nombre de canaux et qu’il signifie donc que nous travaillons avec des images en noir et blanc. 03:03.660 --> 03:06.350 Voilà donc l'échelle de gris ici. 03:06.900 --> 03:14.070 Et 80 sur 80 signifie que la dominance de nos images d’entrée sera de 80 sur 80 et c’est ce que nous définissons dans 03:14.070 --> 03:20.190 le réseau de neurones, mais nous devons bien sûr spécifier cela lors de la mise en place des images, ce que 03:20.190 --> 03:23.150 nous faisons exactement ici avec ce prétraitement. classe d'image. 03:23.670 --> 03:29.610 Et ensuite, après avoir importé l'environnement avec le bon format des images d'entrée, nous importons le jeu entier avec les vidéos 03:29.610 --> 03:34.920 avec cette ligne de code et nous nous souvenons de la chose intéressante à ce propos: nous verrons 03:34.920 --> 03:40.350 à la fin que les vidéos sont lues. Doom Nous verrons donc comment il va tuer les monstres pour 03:40.350 --> 03:43.410 essayer d'atteindre le meilleur et tout sera super excitant. 03:43.440 --> 03:48.170 Et rappelez-vous que ces vidéos iront dans ce dossier. 03:48.630 --> 03:49.100 D'accord. 03:49.230 --> 03:54.990 Et dernière ligne ici mais je veux vous le montrer parce que c’est important, c’est maintenant plus lié à l’IA 03:55.200 --> 03:56.710 AI que nous construisons. 03:56.910 --> 04:02.680 Rappelez-vous que notre réseau de neurones prend comme actions un nombre d’entrées. 04:02.880 --> 04:07.950 C'est parce que vous savez que nous voulons créer une AI que nous pouvons facilement tester sur plusieurs 04:07.950 --> 04:09.660 environnements et plusieurs environnements Dume. 04:09.660 --> 04:15.100 Et puisque les différents environnements ont un nombre d'actions différent, nous avons spécifié cette 04:15.120 --> 04:19.070 variable d'actions comme entrée du CNN dans le cerveau. 04:19.380 --> 04:26.250 Et donc maintenant, nous allons obtenir cette variable de nombre d'actions en utilisant l'environnement Dumah que nous venons d'importer 04:26.250 --> 04:29.340 et que nous avons créé dans cette variable. 04:29.340 --> 04:34.860 Et plus tard, ce nombre est très bien ce que nous sommes sur le point de créer sera l’entrée du cerveau. 04:34.890 --> 04:36.000 Alors faisons ceci. 04:36.000 --> 04:42.690 Je présente ce nombre réel d'actions à nombre variable d'actions égales. 04:42.720 --> 04:47.870 Maintenant, nous allons prendre notre environnement catastrophique qui est la variable que nous avons créée. 04:48.150 --> 04:49.330 Alors fais mon. 04:49.500 --> 04:56.250 Ensuite, nous ajoutons ici cela et ensuite nous y voilà, nous prenons le premier espace d'action qui est l'ensemble de 04:56.250 --> 04:57.200 vos actions. 04:57.230 --> 05:01.960 Je vous encourage à regarder l'ouverture chez Horrible pour voir comment cela fonctionne. 05:02.010 --> 05:05.530 Vous savez comprendre comment ouvrir les environnements de gymnastique fonctionnent. 05:05.670 --> 05:07.940 Mais fondamentalement, c'est l'ensemble des actions. 05:08.040 --> 05:14.070 Et à partir de cet ensemble d'actions, nous pouvons accéder au nombre d'actions dans l'environnement et faire ces 05:14.120 --> 05:15.770 données ici et ensuite. 05:16.080 --> 05:25.050 Et c'est le nombre d'actions et donc de malheur et cet espace d'action retournera 7 6:48 car il y 05:25.050 --> 05:26.550 a sept actions. 05:26.760 --> 05:32.640 Je sais que nous pouvons voir six actions dans les deux environnements sur la page d’ouverture, mais je pense que nous pouvons 05:32.640 --> 05:33.400 aussi courir. 05:33.490 --> 05:39.000 Et pour que vous sachiez que nous pouvons avancer, avancer, aller à gauche, aller à droite, tourner à gauche, tourner à droite et tirer. 05:39.000 --> 05:45.090 Et en plus, nous pouvons courir avec sept actions, et c’est tout pour que nous puissions créer un environnement. 05:45.330 --> 05:47.010 Nous devons faire notre environnement. 05:47.040 --> 05:52.640 Nous avons un certain nombre d’actions, nous avons donc jusqu’à présent tout ce dont nous avons besoin pour notre cerveau. 05:52.800 --> 05:58.320 Nous allons ensuite simplement créer un objet ou un objet du cerveau que nous appellerons CNN lettres minuscules. 05:58.500 --> 06:04.500 Et comme chaque fonction prend un certain nombre d'actions en argument, nous allons mettre le nombre d'actions dans 06:04.900 --> 06:11.160 la scène sur un objet que nous allons créer, puis nous allons bien sûr créer le corps et éventuellement 06:11.160 --> 06:11.690 l'IA. 06:11.850 --> 06:18.090 Et c’est pourquoi la section suivante, que je qualifierai de «construction d’une intelligence artificielle», nous pouvons désormais construire autant d’œil que 06:18.090 --> 06:19.170 nous le voulons. 06:19.170 --> 06:22.070 C'est ce qui est génial avec la programmation orientée objet. 06:22.110 --> 06:24.290 Nous pouvons construire toutes les IA que nous voulons. 06:24.320 --> 06:29.820 Nous allons donc construire notre intelligence artificielle dotée d'un cerveau sophistiqué et c'est exactement ce que nous 06:29.970 --> 06:31.690 ferons dans le prochain tutoriel. 06:31.860 --> 06:33.430 Jusque-là, profitez de l'IA.