WEBVTT 00:00.490 --> 00:02.550 Merhaba ve bu öğreticiye hoş geldiniz. 00:02.560 --> 00:07.550 Pekâlâ, bu yüzden ahlaki ilk dostumuzla ve muddled olan en önemli kümes 00:07.630 --> 00:08.410 hayvanlarından başlayacağız. 00:08.440 --> 00:09.020 Niye ya. 00:09.180 --> 00:14.590 Ve bu dosyada, beyninizi bildiğiniz beyin bilgisini, bu dosyada bulunan 8: 00:14.650 --> 00:20.290 3 Simmo'nun kalbinde uygulayacağız; elbette bazı konvolüsyonu içeren sinir ağı bunu 00:20.290 --> 00:25.030 yapılacağını bilecek Tabii ki hala bazı derin takviye öğrenimi 00:25.030 --> 00:25.570 yapıyoruz. 00:25.690 --> 00:31.690 Böylece gözleri görebilir ve içinde bu sinir ağı aktif Craigmile ile ilgili her şeyi 00:31.870 --> 00:34.600 entegre edecek ve bir bonus var. 00:34.630 --> 00:39.550 Size en güçlü A-3 ahlakından birini uyguladığımız ve bunu güçlü kılan şey, 00:39.550 --> 00:45.910 bunun yeni bir ağ kaydı ve daha doğrusu LCN uzun vadeli belleği içereceği ve böylece 00:45.910 --> 00:48.660 neyin geçici özelliklerini öğrenebileceğimiz devam ediyor. 00:48.670 --> 00:54.710 Yine tahminler daha da iyi olabilmesi için girişin zamansal özelliklerinden biridir. 00:55.270 --> 00:56.050 İşte gidiyoruz. 00:56.050 --> 01:01.330 derste gördüğümüz tüm sinir ağlarını birleştiren çok güçlü bir model uyguluyoruz. 01:01.420 --> 01:02.590 Temelde derinleşen 01:02.680 --> 01:08.070 Bu yapay bir sinir ağı, konvolüsyon sinir ağı ve yeni bir kayıt ağıdır. 01:08.260 --> 01:13.240 Ve tüm bu ağların merkezinde, AI AI'yi çok güçlü hale getirecek A-380 modeli 01:13.240 --> 01:14.040 elbette var. 01:14.410 --> 01:18.300 Bu yüzden bunu yapalım, bu modele saldıralım ve uygulayalım. 01:18.430 --> 01:21.760 Dolayısıyla, iki işlev yaparak başlayacağız. 01:21.850 --> 01:26.410 olacağız ve bu iki işlevi bizim için yapmak istiyoruz. evde 01:26.410 --> 01:30.460 çok sinir ağı çok kolay entegre bir araç var. 01:30.460 --> 01:36.740 Ağırlıkları nasıl başlatacağımızla ilgilenecek bazı işlevler var çünkü bazı yeni ağlar olacağımızı biliyoruz ve 01:36.750 --> 01:38.090 bu yüzden ağırlıkları 01:38.290 --> 01:41.600 Dolayısıyla bu iki işlev normalize edilmiş sütunlar olacak. 01:41.600 --> 01:48.730 Temel olarak yalnızca bazı ağırlıkları başlatmakla kalmayıp tensör ağırlıklarının spesifik bir varyansını ayarlayan bir 01:48.730 --> 01:50.370 işlev olan başlatıcı. 01:50.380 --> 01:52.770 İşte tam şu anda uygulamak üzere olduğumuz şey bu. 01:53.020 --> 01:57.700 Ve sonra, o fonksiyonun ağırlıkları olacak ikinci fonksiyonu yerine getireceğiz ve 01:57.700 --> 02:01.840 bu ağırlıkları temel olarak öğrenme için yeterli zamandaki ağırlıkları başlatacağız. 02:01.840 --> 02:02.330 Tamam. 02:02.350 --> 02:08.070 Ve sonra bu iki işlevi bitirdikten sonra sinir ağını uygulamaya başlayacağız. 02:08.330 --> 02:14.770 Bu yüzden, bu iki işleve hızlı bir şekilde geçelim, böylece burada 02:14.770 --> 02:24.420 bir def ile başlayalım, sonra normalleştirilen bu işlevin adını vereyim ve bu çekirdek sütunlar başlatıcıyı altını çiziyor. 02:24.720 --> 02:25.550 Oraya gidiyoruz. 02:25.650 --> 02:28.780 Ve bu işlev sadece iki girdi alacaktır. 02:29.010 --> 02:35.790 İlk önce başlatmak istediğimiz ağırlıklar ve standart sapma olacak, çünkü az önce söylediğimiz 02:35.790 --> 02:40.200 gibi ağırlık tenseri için belirli bir varyans ayarlamak istiyoruz. 02:40.230 --> 02:45.300 Ve bunu neden yapmamız gerektiğini anlamak istiyorsan, yarın boyunca aktör ve eleştirmen 02:45.620 --> 02:50.490 olacak sinir ağı ne zaman olduğumuzu biliyorsun ve aktör için iki ayrı 02:50.490 --> 02:53.670 tam katman yapacağız ve biri eleştirmen için. 02:53.880 --> 02:59.970 Ve bu iki tam bağlantılı katmanın ağırlığı olacaktır ve bu iki ağırlık grubunun her biri 02:59.970 --> 03:01.810 için bir standart sapma ayarlayacağız. 03:01.860 --> 03:05.650 Ve işimiz için küçük bir standart sapma belirleyeceğiz. 03:05.700 --> 03:12.570 0 civarında olacak. 01 ve eleştirmenler için büyük bir standart sapma olacağını düşünüyorum. 03:12.750 --> 03:18.690 sonra aktör ve craic için başlatacağımız ağırlıklar için standart sapmayı kolayca ayarlayabiliyoruz. 03:18.690 --> 03:21.900 Bu yüzden bu işlevi yapıyoruz, böylece daha 03:21.930 --> 03:23.560 Bu yüzden bunu yapıyoruz. 03:23.560 --> 03:28.860 Şimdi bir varsayılan değer ayarlayacağız ancak daha sonra ağırlıkları başlattığımızda 03:28.860 --> 03:29.500 değişecek. 03:29.520 --> 03:32.100 Öyleyse 1 için kullanalım. 0. 03:32.240 --> 03:32.920 Tamam. 03:33.000 --> 03:37.340 Ve şimdi biz bu fonksiyonun içindekileri tanımlamaya hazırız. 03:37.410 --> 03:41.960 İlk önce hazırlayacağımız şey, çağıracağımız çıktı. 03:42.000 --> 03:46.310 Bu nedenle, herkes için bu işlevi geri döndürür. 03:46.380 --> 03:50.210 Ve bu yüzden ilk önce ne yapacağız. 03:50.330 --> 03:56.750 Anladığınız gibi, bu çıktı belirli bir standart sapma gösterecek bir tensör ağırlık olacaktır. 03:56.850 --> 04:01.970 Ancak, standart sapmayı ayarlamaya özen göstermek için yalnızca onu başlatmak istiyoruz ve 04:02.010 --> 04:06.550 sonra standart sapmayı burada, bu işlevin girdisi olan bağımsız değişkeni ayarlayacağız. 04:06.870 --> 04:10.670 Tensör ağırlıklarını başlangıç ​​durumuna getirmek için nasıl yapılacağını biliyor olabilirsiniz. 04:10.680 --> 04:12.150 Başardık zaten. 04:12.180 --> 04:20.250 dağılımı izleyen rasgele ağırlıklarla ateşlenmiş cevabı başlatan yuvarlak ve işlevi alacağız. 04:21.180 --> 04:27.540 Torche kütüphanemizi kullanacağız ve bu torche kütüphanesinden, normal 04:27.540 --> 04:29.630 Bu yüzden buna rant deniyor. 04:29.820 --> 04:31.100 Ve normal gibi. 04:31.230 --> 04:36.380 Ve şimdi, basitçe girmemiz gereken şey, uzaklaşmanın içereceği öğe sayısıdır. 04:36.510 --> 04:41.510 Ve bu element sayısı elbette ağırlıkların sayısıysa, aslında burada bu ağırlıklar 04:41.500 --> 04:43.140 için bir tensör başlatılıyorduk. 04:43.350 --> 04:53.410 Ve böylece bu element sayısını elde etmek için basitçe ağırlıklarımızı alıp parantezle boyut elde etmek için nokta ekleyebiliriz. 04:53.410 --> 05:00.280 meşale tansörünü oluşturacak ve normal bir dağılımdan sonra rasgele ağırlıklarla başlatılacaktır. 05:00.280 --> 05:05.320 Ve bu, öğelerin ve ağırlıkların sayısını verecek, böylece ağırlıklarımızın 05:05.320 --> 05:06.860 aynı sayıda öğesinin 05:06.860 --> 05:07.330 Tamam. 05:07.360 --> 05:13.390 Ve şimdi standart sapmayı ayarlamak zamanı geldi, standart sapma burada. 05:13.510 --> 05:16.960 Dolayısıyla şimdi yapacağımız basit bir normalizasyon. 05:16.960 --> 05:21.400 Ağır işkence hissine sahibiz ve şimdi normalleştirmek istiyoruz. 05:21.600 --> 05:25.810 Normalleştirmek için basitçe açık hesaplamayı yazmanız yeterlidir. 05:25.840 --> 05:34.960 alıp, daha önce belirttiğimiz toplamı böleceğimiz standart sapmayla çarparak güncelleştirmektir. 05:34.960 --> 05:41.140 Ve burada burada yapmamız gereken, çıktısını 05:41.140 --> 05:44.960 Ve toplamı elde etmek için, meşale ile karekök fonksiyonunu kullanacağız. 05:45.010 --> 05:48.700 Ve işte o zaman buradan götürülürsek o zaman. 05:48.820 --> 05:50.710 Bu, karekök fonksiyonudur. 05:50.830 --> 05:55.980 İçinde bir vektörün ağırlıklarının bazılarını kare içine gireceğiz. 05:56.160 --> 05:58.000 Ve böylece çıktılarımızı alıyoruz. 05:58.210 --> 06:06.040 Daha sonra girdiğimiz güç fonksiyonunu kullandığımız için toplamın karesini almak istiyoruz ve 06:06.040 --> 06:08.950 bu nedenle güneşi alıyoruz. 06:09.000 --> 06:15.300 İçeride ağırlığı içeren koninin endeksini belirteceğiz. 06:15.310 --> 06:23.990 Bazılarını ve sonra bu ağırlıkları ayrı ayrı elde etmek isterseniz, çünkü bunları toplamak 06:24.490 --> 06:29.440 istiyorsanız, genellikle çıktıyı bir işlev olarak okulumuza genişletin. 06:29.470 --> 06:29.820 Tamam. 06:29.820 --> 06:37.280 Böylece, bu ağırlıkları, tüm bu ağırlıkları alacak bir Torchin ağırlığı çeşidi 06:37.340 --> 06:38.320 olarak başlatılmıştır. 06:38.330 --> 06:43.850 Kare toplamını alır ve sonra normalleşmeyi uygulamak için karekök alırız. 06:44.030 --> 06:50.230 bu standart sapmayı payda belirlediğimizden burada yazabileceğimizden emin olalım. 06:50.230 --> 06:50.900 Ve 06:51.960 --> 06:58.890 Varyantlar, standart sapmanın karesine eşit olacaktır. 06:58.890 --> 07:05.940 Burada verilen bu formül, başlattığımız bu tensör ağırlığının, argüman olarak koyduğumuz standart 07:06.030 --> 07:10.860 sapmanın karesine eşit bir varyansa sahip olmasını sağlayacaktır. 07:11.190 --> 07:17.940 Gerçekten gelecek için spesifik bir standart sapmayı nasıl ayarlayabiliriz, yakında yapacak eleştirmen ve aktör için 07:17.940 --> 07:24.150 küçük bir standart sapma ve eleştirmen için daha büyük bir standart sapma seçeceğiz ve 07:24.340 --> 07:27.780 bunu bu işlevden bu yana çok kolay yapacağız. 07:27.780 --> 07:28.150 Tamam. 07:28.170 --> 07:31.120 Artık bırakacağımız tek şey var. 07:31.200 --> 07:38.940 Elbette, bu özel standart sapma ile normalize edilmiş çıktıyı geri getirmektir. 07:38.940 --> 07:40.340 Pekâlâ, bu kadar mükemmel. 07:40.350 --> 07:42.680 Yapmamız gereken ilk iş bu. 07:42.870 --> 07:46.220 Bu gece bu işi yapmaktan mutluluk duyacağımız ilk araç. 07:46.250 --> 07:47.290 H-3 deniz beyneği. 07:47.370 --> 07:49.250 Şimdi yapmak için bir işleve daha sahibiz. 07:49.350 --> 07:51.130 Ağırlık işlevi olacak. 07:51.360 --> 07:57.160 Ve bu, öğrenmeyi en uygun hale getirmek için ağırlıkları başlatmaya hatırlatacak bir işlevdir. 07:57.570 --> 08:01.110 Bunu bir sonraki ders kitabında ve o zamana kadar yapalım.