WEBVTT 00:00.300 --> 00:02.280 こんにちは､ このチュートリアルにようこそ｡ 00:02.310 --> 00:05.730 さて､ 今日はモデルを保存する関数を作ってみましょう｡ 00:05.760 --> 00:10.980 それは､ アプリケーションを終了するときにいつでも再利用できるように､ 車の頭脳を保存しておくことです｡ 00:11.190 --> 00:15.720 この保存機能により､ モデルを保存した後､ アプリケーションを終了することができます｡ 00:15.720 --> 00:20.340 そして､ アプリケーションに戻ると､ 別の関数のおかげで､ この関数の後に作られるload関数で､ 00:20.340 --> 00:25.550 学習されたモデルの最後のバージョンをロードすることになります｡ 00:25.560 --> 00:31.710 そこで､ この2つの関数をsave関数とload関数とすることにします｡ 00:32.040 --> 00:35.200 では､ このチュートリアルでは､ まず保存機能について説明します｡ 00:35.220 --> 00:38.250 ここに新たな死が訪れ､ そして救われるわけです｡ 00:38.490 --> 00:42.800 そして､ 自ずと一つの主張が出てくるのです｡ 00:42.810 --> 00:50.010 その理由は､ 保存しようとしているのは､ ここでいうモデル全体ではなく､ ニューラルネットワークの自分､ 00:50.040 --> 00:58.140 そのモデル､ オプティマイザの自分オプティマイザだからです｡ 保存したいのは､ 最後の反復で更新した重みだけです｡ 00:58.140 --> 01:08.790 保存したモデルを後で再利用したいときはいつでも､ すでに学習した重みで再生する行動を予測させたいからです｡ 01:08.880 --> 01:13.140 ですから､ この最後のバージョンの重みを取る必要があります｡ また､ オプティマイザーの最後のバージョンも､ 01:13.140 --> 01:16.020 この重みとつながっているので､ 取る必要があります｡ 01:16.590 --> 01:17.790 では､ こうしてみましょう｡ 01:17.790 --> 01:23.220 自己があるのだから､ 自己､ そのモデル､ 自己､ そのオプティマイザーを 01:23.340 --> 01:26.970 そして､ この2つのオブジェクトとPythonの辞書を保存することになります｡ 01:26.970 --> 01:32.180 そして､ この2つのオブジェクトを保存するために､ torchモジュールのsave関数を使用することにします｡ 01:32.190 --> 01:42.630 ここではtorch that saveから始めて､ 括弧の中に辞書の括弧を入力します｡ Pythonの辞書はこのように動作します｡ 01:42.630 --> 01:45.480 あなたの識別子となるキーを持ちます｡ 01:45.480 --> 01:46.530 だから､ ユニークなんです｡ 01:46.530 --> 01:49.650 そして､ それぞれのキーには､ そのキーに与えたい値があります｡ 01:49.650 --> 01:56.730 つまり､ 一意な識別子と､ その識別子に与えたい値とのマッピング機能みたいなものです｡ 01:56.730 --> 02:04.620 単純な辞書の本を例にとると､ まあ､ キーが単語で､ 値が単語の定義になるわけです｡ 02:04.620 --> 02:06.000 まあ､ ここでもそれは同じなんですけどね｡ 02:06.000 --> 02:12.330 2つのキーを作り､ 1つは最初に保存したいオブジェクト､ つまりself modelのキーにします｡ 02:12.330 --> 02:17.640 そして､ 2つ目の保存したいものの1/2キーは､ セルフドットオプティマイザーです｡ 02:17.640 --> 02:20.220 というわけで､ まずは1つ目のキーから見ていきましょう｡ 02:20.220 --> 02:26.310 そのキーに名前をつけて､ state underscore dictと呼ぶことにします｡ なぜなら､ 02:26.310 --> 02:31.470 state dict関数を使ってモデルを辞書に保存するからです｡ 02:31.470 --> 02:37.980 これが最初のキーで､ 次にそのキーに対応する属性値を指定します｡ 02:37.980 --> 02:41.760 まあ､ 見ての通り､ こことここにちょっとしたコンを追加しました｡ 02:41.760 --> 02:44.700 保存したいオブジェクトを追加します｡ 02:44.700 --> 02:48.330 そこで､ 最初に保存したいオブジェクトはセルフモデルです｡ 02:48.450 --> 02:56.580 つまり､ このselfモデルをコピーして､ 最初のキーであるselfの値として､ そのモデルを貼り付ければいいわけです｡ 02:56.610 --> 03:03.690 そして､ ドット状態アンダースコア日付を追加し､ 最初の1つを追加し､ 03:03.990 --> 03:09.390 いくつかの括弧を追加します｡ 03:09.720 --> 03:12.090 そして､ オプティマイザーを保存してみましょう｡ 03:12.090 --> 03:15.240 そこで､ 辞書に2つ目のキーを追加することにします｡ 03:15.240 --> 03:20.970 コンマを追加して､ Enterキーを押せば､ 2つ目のキーができます｡ 03:20.970 --> 03:25.290 そこで､ 2つ目のキーは､ まあ､ オプティマイザーとでも呼んでおきましょうか｡ 03:26.060 --> 03:34.540 次にColin､ そして保存したいオブジェクトの名前を追加するだけで､ これがself､ これがオプティマイザです｡ 03:34.550 --> 03:38.420 そこで､ ここにセルフドットオプティマイザーを追加します｡ 03:38.990 --> 03:45.500 そして､ このオプティマイザのパラメータを保存するために､ ここでもドットステートディクショナリーを使用します｡ 03:45.500 --> 03:51.650 そして､ すべての重みが保存され､ オプティマイザが保存されたモデルができあがります｡ 03:51.860 --> 03:52.790 完璧です｡ 03:52.940 --> 03:56.300 そして､ これをすべてファイルに保存します｡ 03:56.300 --> 04:07.380 そのために､ save関数に2つ目の引数を追加します｡ この引数は､ モデルとオプティマイザを保存するファイルの名前になります｡ 04:07.400 --> 04:12.860 この最初のモジュールの最初のセクションで､ 自動運転車の簡単なデモをお見せしたことを思い出してください｡ 04:12.900 --> 04:16.400 あれは､ 適当にアクションをさせただけのデモだったんですね｡ 04:16.400 --> 04:18.520 あれはまだ自動運転車ではないのですね｡ 04:18.530 --> 04:24.850 しかし､ その後､ モデルを保存するために保存ボタンをクリックしたことを思い出してください｡ これにより､ 最後の脳内ドットPTAファイルが作成され､ 04:24.890 --> 04:29.250 これが保存されたバージョンのモデルを含むファイルです｡ 04:29.270 --> 04:39.260 そこで､ ここに最後のアンダースコア brain dot PTA を追加して､ モデルとオプティマイザがこの作成されたファイル less 04:39.260 --> 04:42.260 brain に保存されるようにします｡ 04:43.220 --> 04:44.660 まだ持っていないんですね｡ 04:44.660 --> 04:51.230 しかし､ アプリケーションでモデルを保存すると同時に､ 先ほど追加したコードのおかげで､ このファイルが作成されます｡ 04:51.500 --> 04:52.070 わかりました｡ 04:52.070 --> 04:53.660 そうして今､ 完璧に｡ 04:53.660 --> 05:01.400 モデルを保存する機能､ ニューラルネットワークの重みとオプティマイザを保存することで車の頭脳を保存する機能があるんです｡ 05:01.400 --> 05:03.410 それが実は､ クルマの頭脳なのです｡ 05:03.710 --> 05:04.600 とても完璧です｡ 05:04.610 --> 05:08.000 これで､ 残すところ作成する関数は1つだけとなりました｡ 05:08.000 --> 05:09.620 それがロード機能です｡ 05:09.620 --> 05:13.100 そしてそれは､ セーブ機能がロード機能なしにはありえないからです｡ 05:13.100 --> 05:17.590 保存したものを後から読み込めないのでは､ モデルを保存する意味がありませんよね｡ 05:17.600 --> 05:22.940 というわけで､ エキサイティングなデモの前の最後のステップです｡ このセクションの最後のチュートリアルで､ 05:22.940 --> 05:24.920 このロード関数を作っていきます｡ 05:24.920 --> 05:26.750 では､ この次のチュートリアルでお会いしましょう｡ 05:26.750 --> 05:28.520 そしてそれまで､ iを楽しんでください｡