0:05 next gen AI [เพลง] Camp สวัสดีครับในหัวข้อนี้เราจะเรียน กันหัวข้อของเนอร์นะครับผมซึ่งเนอรเนี่ย มันจะอยู่ในหัวข้อของไทอนะครับซึ่งึ่ง เป็น Deep Learning framework ครับก่อนอื่นก็ขอแนะนำตัวก่อนนะครับพี่ ชื่อพี่ทินะครับผมมาจาก Software เ AA กรุ๊ปที่ราดกบังครับตอนนี้ก็เรียนอยู่ ชั้นปีที่ 3 ครับอ่อแข่งแอนมาค่อนข้าง เยอะเหมือนกันนะ ครับ p คืออะไรครับ P เนี่ยเป็น Le
0:53 darning framework ครับซึ่งข้อดีของพ เนี่ยก็มีอยู่มากมายครับเช่นมันถูก optimize มาให้เราเป็น gpu ครับซึ่งมัน สามารถรันได้บนทั้งหลาย gpu เหมือนกัน ครับซึ่ง gpu เนี่ยครับในทาง Deep Learning นั้นเนี่ยมันจะมีความไวกว่าการ รันม CP ธรรมดาอย่างมากครับอีกทั้งเนี่ย python เนี่ยก็จะมีเอเรียกว่า Torch Hub ครับหรือว่าเป็นแหล่งรวมของโมเดลต่างๆ สมมติว่าเนี่ย L เปอรเกี่ยวกับโมเดลเนี่ย ออกใหม่ครับแล้วก็มีการ implement โมดล เหล่านั้นเนี่ยแล้ว python เนี่ยก็จะเก็บ ไว้ใน to Hub ครับเราเราไม่ต้องเขียน ขึ้นมาจากม scat เองครับเราแค่เรียกมาใช้ ครับแล้วก็รองรับการทำงเหมือน full stack ในทาง de Learning ครับเช่นการ PR Data การเตรียม Data แล้วก็การสร้างอ่าการ สร้าง Mod ครับซึ่งโเนี่ยเราก็สมารถ customise ไส้ข้างในนมันได้อีกครับแล้ว
1:39 ก็การ dey เช่นการปรับแต่งโมดลให้มัน optimize แปลง Convert type ของโมลให้ เป็นรูปแบบต่างๆครับ Pon เนี่ยก็ถูกใช้ กันอย่างแพ่หลยครับเช่นใน opi เนี่ยก็มี การใช้กันนะครับเป็น gvt ก็ Black ส่วน ใหญ่ก็จะมาจาก P ครับหรือ tesla ตัว อัตโนมัติเนี่ยรคมันเนี่ยก็ส่วนใหญ่ก็มา จาก pyth ครับ py เนี่ยก็สังเกตว่าจากรูปภาพเนี่ย pyth เนี่ยมีการใช้กันกินสัดส่วนในเว็บ ของ Paper vi coe ครับเว็บของ Paper vi coe เนี่ยเป็นเว็บรวมแหล่งวิจัยทาง้า AI ครับซึ่งสังเกตว่าโห 58% เลยกินสัดส่วน เกินครึ่งเลยนะครับจากในเว็บไซต์นี้มาก
2:24 กว่า 2,000 เลปถ้าเกิดว่าเราไม่มีเอ่อ python หรือ TF T เนี่ยก็เป็น Deep Learning framework ึงเหมือนกันครับเราจะต้องเขียนแบบเขียน Deep Learning จาก scan เนี่ยซึ่งมัน ใช้ effort และเวลาอย่างมากๆครับทำให้การ ที่เราจะพัฒนาอะไรบางอย่างเนี่ยจต้องทม ขึ้นอย่างมหาศาลเลย ครับเรามาดูกันหัวข้อของ tensor นะครับผม เนอคืออะไรถ้าพี่พูดแบบง่ายๆเนี่ยเนอร์ก็ เหมือน matric ครับแต่ว่ามีมิติที่มาก กว่ากว่า ครับแล้วมาดูตัวอย่างของ tensor เนี่ย สมมุติว่าพี่จะทำ Deep Learning ครับใน การ classify อะไรบางอย่างไระบบของมันเนี่ย
3:13 เราจะทำการ input รูปภาพและเสียงหรืออะไร ก็ได้เครับแล้วแปลงเป็นสิ่งที่ repent สิ่งนั้นครับในรูปของ tensor ครับก็เราจะแปลงยังไงก็ได้ครับขอมันรีวิว สเหล่านั้นที่เแหละครับเราก็จะ feed for เข้าไปในตัว Model ครับแล้วลก็จะคายออกมา เป็น tensor รูปแบบนึงครับที่สามารถ rep สิ่งนั้นได้ง่ายขึ้นครับเพื่อที่จะนำไป classify ครับสมมติว่ามันมีออกมาเป็น matx 3 คค 3 ครับหรือเซอร 3 ค 3 เนี่ย ก็สังเกตว่าถ้าเกิดว่ามันก็ ent ได้สมมติ ว่าค่าเนี่ยค่าที่เนี่ยเยอะครับก็อาจจะ หมายถึงอันนี้เป็นราองค่าที่อตรงกลางเยอะ อาจจะถึงนสปมครับค่าที่อีสเก็อาจหมายถึง
4:00 ว่าอันเนี้ยพูดว่าอะไรก็ขอแค่เป็น เทสเซอร์อะไรก็ได้ที่เห็นสภาพเรซของสิ่ง นั้น ครับเซ็นเซอร์ก็มีคุณสมบัติเช่นมีจำนวน มิติครับหรือว่ามีคุณสมบัติในการดัดผลัก การคูณกันของแทริเหมือนกัน ครับเดี๋ยวต่อไปเนี่ยเราจะมาทำการลองโค้ด แล้วทลองการใช้งานเนอกันดู ครับหลังจากที่สแกนตัว QR Code มาแล้ว ครับเราจะการร coding กันซึ่งในเป็นโตบ
4:45 เนี่ยครับเราจะรใน colab หรือรใน cle หรือในเครื่องส่วนตัวก็ได้นะ ครับก็โอเคสิ่งที่เราจะมานด้วยกันใน โนตบุ๊คเนี่ยพี่อาจจะมีแบ่งหัวข้อไว้ตาม นี้ครับคือ inu การสร้าง tensor ข้อมูลต่างๆใน tensor Operation ใน tensor แล้วก็ปัญหาที่เรา เจอใน tensor ครับแล้วก็การใช้ indexing ใน tensor ครับแล้วก็การใช้ tensor กับ พวกนพายครับแล้วก็เป็นหัวข้อของ reproductive ครับเราจะทำการลดการสูมค่า ยังไงแล้ว python ที่เราใช้เนี่ยเราก็ สามารถจะเช็คเวอร์ชั่นได้นะครับว่าเราใช้ เวอร์ชั่นอะไรในการสมมุติว่าเราจะรัน เนี่ยเราก็กดตัวกดรันได้ครับหรือจะกด Shift Enter ก็ได้ครับในตัว colab
5:33 เนี่ยมันจะให้ fend เป็นเวชั่น 2.3.0 แล้วก็ cuda เวอร์ชั่น 12.1 นะครับที่ติด มากับ colab ก็อย่างที่พี่เคยบอกไปก่อนหน้านี้ ครับว่า tensor เนี่ยหมายถึงอะไร tensor เนี่ยก็จะอาจจะหมายถึงเป็น matti Club ที่มีหลายมิติมากแต่เนี่ยถ้าเกิดเราใช้ งานในทาง n netw ครับเราจะส่วนใหญ่เนี่ย เราจะแปลงรแปลง input เนี่ยให้กลายเป็น เนอรที่สว่า rive นนั้นได้ครับเช่นรูปภาพ ครับรูปภาพเนี่ยสมมติว่าเราใส่ in รูปภาพ 2 24 ไป 224 ไปเนี่ยจริงๆเบื้องหลังมัน เนี่ย ครับมันจะเป็น rgb ครับในแต่มันจะเป็น 3 รูปซ้อนกันที่เป็น rgb ครับก็คือ 3 layer ทีเนี้ยถ้าเกิดเราแปร เป็นเนเซอร์นะครับเราจะได้เฟเป็น 3 ก็คือ
6:19 3 Chan ของ rgb แล้วก็ความกว้างความสูง ที่เป็นขนาดไซส์ 224 ครับั่นก็คือตัว อย่างการแปลงรูปภาพให้กลายเป็นเ็นเซอร์นะ ครับ โอเคเรารอทเ็นเซอร์กันเนอรเนี่ยก็เราพี่ จะยกตัวอย่างเรที่จากสาครับสาเนี่ยก็คือ หน่วยครับที่ไม่มีทิศทางครับก็สาเนี่ยพอ เราสร้างชท. tensor นะครับก็เอาพุออกมา เป็น tensor แล้วก็ 7 ครับก็หมายถึงว่าเรียกเป็นเ็นเซอร์ครับ แล้วก็ใส่ค่าจของไปเรามาดูขนาดกันครับ ขนาดเนี่ยก็เป็น 0 ครับ อ่าขนาดเป็น
7:07 0 ต่อมาแล้วโอเคเราถ้าอยากเอาแค่แบบไม่ อยากติดพวกเนี่ยเนเซอร์มาเนี่ยเรายังไงก็ เอาค่ามันมาก็เสไอเทม ครับต่อมากันที่เวกเตอร์ครับเวกเตอร์ เนี่ยก็จะเพิ่มมาจากสแต่ส่วนใหญ่เนี่ยก็ จะบอกว่าจะมีขนาดและทิศทางครับที่เป็น เวกเตอร์ซึ่งเวกเตอร์เนี่ยเราก็สามารถ rep สิ่งต่างๆได้ครับเช่นสมมุติว่าเราใส่ เซอร์ 32 ไปเนี่ยก็อาจจะบอกได้ว่าจำนวน ข้าน้ำ 2 จำนวนข้านอน 3 อะไรเงี้ยครับเรา สามารถ repent สิ่งของได้จากทอร์เหมือน กันมาดูจำนวนที่มิติครับอันนี้ก็จะมี 1 มิติครับสังเกตว่าจากก่อนนเนี่ยที่เราดู กันเนี่ยไอ้ตัวเยครับสารมีูมิติ
7:53 0 แต่เนี่ยยมีมิติ 1 มาดูครับว่าเราจะดู ยังไงโดยปกติเวลาที่จะเราดูอ่า Dimension เนี่ยเราจะดูกันที่ตัว Open bracket ครับคือตัวนี้ครับถ้าเกิดว่าเรามี 1 ชุด ตัว นี้ก็คือ 1 มิติ ครับแต่ shap ล่ะ shap เนี่ยจะแตกต่างกัน กับมิตินะครับ shap เนี่ยครับก็จะ เป็นบอกว่ามันเนี่ยมีจำนวนเท่าไหร่ ครับก็ในพเนี่ยก็มีจำนวน 2 ครับหรือว่าถ้ายังไม่เห็นภาพนะครับใน
8:38 สไลด์เนี่ยก็จะมีบอกเหมือนกันนะครับว่าเฟ กับ Dimension เนี่ยมันจะหน้าตาเป็นยังไง สังเกตว่า Dimension เนี่ยมันจะเอาเอาดู จาก Open bracket เครับมา ใส่ส่วน shap เนี่ยเชฟก็จะเอาค่าข้างในมา ครับใน Open bracket เนี่ยมีจำนวน 1 ตัวนะครับถ้ารู้จาก Open Open maret ก็จะมีค่า 1 ใน Open maret เนี่ยมีจำนวน 3 ลิตครับก็คือ 1 2 3 ก็ จะมีค่า 3 ครับใน Open blacket เนี่ยมี 3 Element เหมือนกันครับก็จะได้ค่า 3 ครับต่อมาจะดูกันที่ตัว matx ครับ matx เนี่ยก็จะเก็บค่าได้มากกว่าเหมือนกัน
9:26 ครับเหมือนที่เราเรียนกันในเนื้อหามปลาย นะครับ Dimension เนี่ยมี 2 ครับแล้วชีแบเป็นเท่าไหร่เชก็เป็น 2 เหมือนกัน ครับส่วน Dimension เนี่ยก็เราจะดูที่แคต ตัวนี้ครับตัวสีชมพูนะครับข้างในเนี่ยก็ คือมี 2 ตัว ครับทีนี้ถ้าเกิดดูข้างลังอีกตัวนี้ไอ้เ มีเท่าไหร่ก็มี 2 ตัวเหมือนกันครับตัวสี ฟ้ามี 2 ตัวเหมือนกันงนั้นเฟเนี่ยก็ได้ เป็น 22 ครับโอเคเดี๋ยวก็อันนี้ก็สามารถใส่เป็น 3x 3 ได้ ครับซึ่งโอเคอย่างที่บอกไปเนี่ยมันสามารถ
10:12 รสมมติว่าเราบอกว่าอ่า Day of Week 1 2 3 ขายได้วันที่ 1 สายได้ 3 วันที่ 2 สายได้ 6 ขายได้ 9 อาัตรวันที่ 1 ขายที่ 2 วันที่ 2 ขายที่ 4 อ่ะครับประมาณนี้ครับ Dimension เนี่ยก็อย่างที่บอกไปก็มันก็ เป็น 3 ู 3 ครับมี 3 แต่ถ้าเกิดเชฟ เนี่ยก็เหมือนในรูปนี้เลยครับดู buet นี้มีจำนวนเก็ตัวก็มีชุดเดียวครับต่อมาดู ชุดนี้ครับมันจะมี 3 ตัวครับ 1 2 3 ก็ ใส่ 3 ครับดูชุดนี้ 1 มี 3 ตัวก็ใส่ 3 ครับ
11:00 โอเคส่วนอันนี้เป็นพื้นฐาน coding นะครับ ปกติแล้วถ้าเกิดสาหรือเวกเตอร์เนี่ยเรา เขียนเป็นตัวพิมพ์เล็กครับแต่ถ้าเกิดเป็น matri lenser เนี่ยเราก็จะเขียนกันด้วย ตัวพิมพ์ใหญ่ครับส่วนนิยาเนี่ยก็เทริ เนี่ยก็มี 2 มิติครับแต่ว่าถ้า tensor เ ก็จะมีมติ n matric หรือก็ได้หลาย matri เลย ครับก็เป็นรูปตัวอย่างนะครับผม โอเคมากันที่ Random tensor ครับ Random Sensor เนี่ยก็คือการสุ่มค่าเ็นเซอร์ ครับเอ๊ทำไมเราต้องเทสการสุ่มค่าล่ะ อ่าปกติแล้วเนี่ยครับที่เกิดเราทำ Machine
11:45 moding Model เนี่ยเทที่เราจะสร้างขึ้น มาครั้งแรกเเราก็ไม่รู้จะสร้างเทอะไรขึ้น มาแบบ 01 หรืออะไรก็ตามเนี่ยเราไม่รู้ว่า จะสร้างมันด้วยเทอะไรก่อนในครั้งแรกดัง นั้นเราำการ R ค่าขึ้นมามาก่อนครับเรา ค่อยปรับ 5 แล้วเนี่ยตามข้อมูลที่ 4 เข้า ไปในการทำ Back propagation ครับก็มัน กลายเป็น vol Random Number แล้วก็ีค่า Data ครับทีนี้ Data ก็จะมี RO ออกมา แล้วก็ Random เลขนที่เราส่งขึ้นมาครับ แล้วก็วนไปเรเรื่อยๆครับทีนี้สุดท้าย เนี่ยเราก็จะได้เป็นเทของโมเลเนี่ยที่ เหมาะสมกับข้อมูลนั้นๆ ครับซึ่งคำสั่งที่เราจะใช้ในการสุ่มเนี่ย จะใช้แนครับก็มาจาก Random แะครับผมซึ่ง
12:33 Random เนี่ยพารามิเตอร์ไซสครับก็คือ 3 คู 4 ครับลองรันดูนี่มันก็จะ Random ค่า มาซึ่ง type เนี่ยก็เป็น 4 32 ครับเลยวันอีกรอบอ้าสังเกตอะไนะครับผมแล อีกรอบนึงทุค่าจะไม่เหมือนเดิมในแต่ละ ครั้งนะครับก็เป็นการ Random ก็คือข้อนี้ก็ของ Random เนี่ยเราก็ สามารถกำหนดไซส์เท่าไหร่ก็ได้ตามกนาที่ ต้องการ เลยก็ gf 224 ครับ Dimension ก็มี 3 ก็ 1 2 3 ตัวต่อมาก็จะเป็นการสร้างค่าที่มีแต่ 0
13:20 หรือค่าที่มีแต่ 1 ครับโดยเวลาที่เราใช้ ค่าพวกเนี้ยจะเกิดจากการที่เราจะเป็นการ masking ครับการ masking เนี่ยสมมุติว่า เราจะมีค่าแบบเป็น Matic ยาวๆเนี่ยแต่เรา ต้องการที่จะดูแค่แนวเฉียแล้วก็เอาเอาคน อ่าก็จะการ masking ก็คืออาจจะดูแค่แนว เฉียงก็ให้ฝั่งแนวเฉียงเเป็น 1 อะไรพวกเ ครับการ masking ค่าอันไหนไม่ดูเนี่ยก็ กลายให้เป็น 0 ครับซึ่งการ ming เนี่ยก็ เหมือนกับการ Random ครับแค่เปลี่ยนคำว่า แนเป็นีร ครับแต่ถ้าเป็น 1 ก็ันครับเิม S
14:06 อ่าต่อมาในการสร้างเลงครับก็จะเป็นข้า ตั้งแต่ 0 ถึง 1 ก็คือไล่สต็ปเหมือน for Loop ใน python ครับ foray พวกนี้ครับ คล้ายๆกันถ้าเราเกิดใช้เลง 0 ถึง 10 ก็จะ เป็นค่าตั้งแต่ 0 - 10 ครับต่อ มาเป็น arange ครับ start n แล้วก็มี สเต็ปครับตั้งแต่ 0 ถึง 10 แล้วก็เพิ่มที ละ 1 ครับนี่ ครับแต่ตัวนี้ก็จากดิบที่บอกครับไม่แนะนำ ให้ใช้ตัวนี้เท่าไหร่ควรใส่สต็ปเข้าไป
14:52 ด้วยต่อมาเราอาจจะต้องการ อ่าใส่ 0 เนี่ย ให้เหมือนตามจำนวนของตัว Mat คือ Copy อ ครับเหมือน Copy shap มาแล้วก็เปลี่ยน เป็น 0 อะไรบงเี้ยครับสังเกตว่าเนี่ยเ เนี่ยก็มี 10 ตัวใชเยเราก็ใส่ 0 ไป 10 ตัวเหมือนกัน ครับต่อมากันที่ Data type ครับ Data type เนี่ยมันก็จะมีหลายแบบครับก็สังเกต ที่จากที่ได้นก่อนวันเนี่ยมันจะเป็น to f type ส 2 ครับก็เรียกว่าส 2 ปิด fling Point และมันก็มีอีกสิ่งนึงครับเรียกว่า 6 Bit folding Point ก็ความแม่นยำคือ ความลึกของความ Precision นะครับของ Mac นั้นซึ่งอ่าถ้าเกิดทำพวกเหมือนก็ถ้าเคย
15:39 ได้ยินพวก fp 16 หรือทำ LM ที่มีการ qu 4 ปิดนะครับไม่รู้อาจจะบางคนก็อาจไม่ได้ ยินนะครับผมแต่ถ้าเกิดใอยู่เคยทำพวก al หรือพวกเยครับจะได้การวิธีนะครับซึ่งวิธี นั้นเนี่ยมันสามารถช่วยลดขนาดที่จะเก็บ ครับก็แรกกับความไม่อย่างสมมุติว่าเรามี โมเดลที่ใหญ่มากๆเนี่ยมันใหญ่มากๆเราแบบ เรารไม่ได้บนแรมแบบ 8 GB แต่ถ้าเกิดเรา ลดแบบให้มันเหลือสัก po Position แค่ 8 เนี่ยมันก็จะลดขนาดมาอีกได้เท่าตัวนึงเลย ครับผมน่าจะอารมณ์ประมาณนั้นถ้าอยให้เห็น ภาพก็โดย default เนี่ยถ้าเกิดเราไป CPU เนี่ยกำหนด High ติด High เป็นนนเนี่ยมัน จะได้เป็น fl TY 32 ออกมาครับซึ่งเก็บ
16:25 ใน CPU อีกอันนึงก็เป็นโสไซส 16 6 ครับ ถ้าเกิดดูขนานเจริงๆตัวเนี้ยมันจะใช้พื้น ที่ในการเก็บแรมน้อยกว่าแล้วให้ประหยัด เมี่มากกว่าครับก็จะได้เป็น for 3 สครับ ก็ใช้ค่อนข้างบ่อยเหมือนกันต นี้โคเดี๋ยวมาต่อกันที่การ aggregation นะครับอากการ aggregation เนี่ยมันก็คือ การหาย min max Min suum หรือค่าอื่นๆ นะครับจากเ็นเซอร์ชุด นั้นเดี๋ยวเราจะมาลองทดลองกันเเราจะทำการ inti ค่าเ็นเซอร์ตั้งแต่ 0 - 100 สตที ละ 10 กันนะครับใช้คำสั่ง R โอเคเดี๋ยวเราจะมาหาค่า min max
17:11 minum นะครับซึ่งก็ Min เนี่ยก็ do Min เป็นฟังก์ชันได้เลยครับ D Max ก็ D Max แต่ว่า do me เนี่ยมันจะมีปัญหาครับถ้า เกิดว่าเราไม่ใส่ type ให้มันเนี่ยมันจะ ขึ้น Error ครับดังนั้นต้องใส่ไซสให้มัน ก่อนนะครับต่อมา do suum เนี่ยก็ เป็นผลรวมครับ อ่าสังเกตว่าก็ do Min ก็ได้ค่าน้สุดก็ ค่ามากสุดก็ค 100 ครับ Min ก็ค่า 50 ครับ เป็นมีของตัวนี้แล้วก็ซกันก็ได้ 550 ครับซึ่งเราจะใช้คำสั่งของ TCH ก็ได้ครับ
17:56 TCH Max แล้วก็ใส่เป็นตัวเซอรเข้าไป ครับก็ดูค่าเครับก็ Max 100 Min 0 มี 50 ครับแล้วก็ซ 550 ครับสังเกตว่ามันจะ ติดเนอร์ออกมาเนี่ยจำได้มครับก็อยากถ้า เกิดอยากได้ค่าเพียร์ๆเนี่ยทำยังไงต้อง ใช้คำสั่ง D Item ครับก็นี่ครับจะได้ค่าเป็นค่าเพี่ๆออกมา แล้วไม่ติดคำว่าเ็นเซอร์ออกมา ต่อมาอีกอย่างนึงที่เราจะใช้กันบ่อยๆมาก ครับเป็นการหาตำแหน่งของตำแหน่งของ Max นั่นเองหรือในเยเราจะเรียกว่า AR Max AR Min นะ
18:43 ครับเดี๋ยวเราจะทำการ initial ค่าตั้งแต่ 0 ถึงัก 200 สต็ปทีละ 5 กันนะครับ ผมแล้วเราจะทำการหา arc Max ซึ่ง arc Max เนี่ยมันก็จะเป็นตำแหน่งที่มีค่ามา สุดก็ตามหลัก R เนี่ยตำแหน่งมาสุดที่มี ค่าหนสุดก็อยู่ตัวสุดท้ายครับตำแหน่งมา สุดก็อยู่ที่ตัวสุดท้ายเอ้ยตัวตัวแรก ครับอ่าก็ 39 ครับอที่ 39 ถ้าเกิดว่าเรา มาดูที่เซ็นเซอร์ที่ 39 อ่าก็เป็น 195 ครับอั้นก็ได้เป็น index ประมาณนะครับแต่ถ้าเกิดว่าเป็น 0 ก็จะได้ค่าที่น้อยที่สุดออกมาครับค่า
19:30 เป็น 0 ซึ่งปกติถ้าเกิดเราใช้พวก AR Max up เนี่ยเราใช้กันในเกี่ยวกับเรื่องที่เป็นเ Soft Max ครับ Soft Max เนี่ยมันจะ RE เป็น เอิ่มเป็นค่าประมาณแต่ละ Level ออกมา ครับสมมุติว่าทำ image classification แล้วแบบตมีสักเอิ่ม 4 คลาสนะครับผมตามนี้มันจะออกมาเป็นแแบบ ว่าความมั่นใจว่าแบบ 0 จุด 0.1 คลาสแรก มั่นใจ 0.1 คา 2 จะ 0.4 คา 3 ก็จะ 0.1 คา 4 จะ 0.9 สมมุติว่าเรามีอย่างเงี้ยอิ่ม เยอะๆอ่ะ ครับเราแบบักใัก 100 ค้าเนี่ยเราอยากแบบ
20:20 อยากรู้ว่าเฮ้ยโมเดลเนี่ยมันให้ความมั่น ใจอะไวไหนมากสุดเราก็จะใช้คำสั่ง AR Max ครับในการหา มาเกี่ยวกับการเชิง del thi ครับก็เหมือนจากที่เกิดก่อบมาเนี่ยแบบว่า ไอ้ไยเนี่ยมันก็จะมีปัญหาหามีเนี่ยเรากหด ไยให้ มันหรือว่าในการ Deep Learning เนี่ย สมมุติว่าเราแบบโมดใหญ่ไปเราอยากแบบเล ขนาดไอ้แบบเป็น 4 16 อะไพวกเยครับ เดี๋ยวก็จะำำการค่าค่า default นะครับผม ถ้าเกิดไม่ได้ใส่ค่าอะไรเนี่ย อ่าค่ามาเนี่ยครับก็จะอยู่เป็น fl 32
21:09 ครับค่าเนี่ยเราก็จะเป็น 0 ถึง 100 ครับ อ่าเป็น 32 เป็นโนะครับผมเพราว่าเราใส่ จุดไป ด้วยทีนี้เราจะมาค่าใ้าอกค่าเหมือนเหมือน กันอีกค่านึงครับแต่อันนี้เป็นโ 16 ครับ นี่มันจะบอกว่า 16 อันนี้ก็เป็นโค้ 32 ครับหรืออิครนี้เชให้เป็นอ8ก็ได้นะ ครับแล้วก็สมมุติว่าเราใช้ในโทรศัพท์ เนี่ยส่วนใหญ่ก็จะแบบอยากลดขนาให้มันเล็ก ๆเพื่อที่จะมันทำงานได้เร็วครับแต่มันก็ จะอาจจะมีแลกกับว่า accuracy มันอาจจะลด ลงนิดนึงครับแต่ก็เป็นสิ่งที่เด Off กัน ครับผม
21:59 เมาดูที่สถัดมาครับอนี้ pring tensor ครับก็เป็นพวก tensor Operation ครับก็ จะเป็นการบวกลบคูณหารเซอรครับก็เคสมมุติ ว่าเรา Deep Learning อ่ะเราจะทำแบบอ่า classify อะไรบางอย่างอะไรพวกเยเป็น fl ของมันเรามีรูปภาพข้อความโเสีย เนี่ยถ้าทำเนั้นน่ะให้ถูกแที่เซอครับจาก นั้นเครับสมมติว่าเราีดเข้าโมเดลแไปแล้ว เนี่ยเราใน Network เนี่ยก็จะมีการทำ Operation หลายๆอย่างนะครับเพื่อที่จะ แปลงข้อมูลหลายๆครั้งเนี่ยครับให้อยู่ใน รูปของข้อมูลที่จะว่าซนสินั้นได้ครับซึ่ง Operation เนี่ยก็เกิดกับการรวมกันอย่าง
22:45 แบของลบคนหาเนี่ยมาแบบรรวมๆกันน่ะหมดนะ ครับก็คือแบบมันเกิดโหลายอย่างใน nw ครับ เพื่อที่จะให้อาวุธออกมาเนี่ยมันออกมาดี ครับ โอเคมาเลิ่กที่ Operation การบวก ครับสังเกตว่าการบวกเนี่ยมันก็จะบวกไปที่ Element ทีละตัวเลยเษครับเป็นอุออก มาหรือถ้าเราเอามาคูณ 10 เนี่ยมันก็จะ เป็น 10 22 สังเกตว่าอืมเราไม่ได้กำหนด ตัวแปรให้มันใหม่นะครับเพราะฉะนั้น่า เนี่ยมันจะไม่ได้กลายเป็น 110 120 130 นะครับผม
23:32 ก็ดที่ Original เนี่ยก็คาอย่างเหมือนเด ครับเพราะว่าเราไม่ได้กำหนดตัวแปรใหม่ให้ มันส่วนการ-บ 10 เนี่ยก็เหมือนกันครับลบ ไปทีละตัว เลยต่อมาลการบวก 10 เราก็ res ครับก็ เมื่อกี้เราลบ 10 ไปใช่ไหมมครับเราก็จด การบวก 10 ก็ค่าก็จะกลับมาเหมือนเดิมครับ 1 23 อีกอันหนึ่งก็คือเอิการ multiply ครับก็จะคือการซอร์ตรงนั้นเนี่ยไปทีละตัว ด้วย 10 ครับก็อันนี้ก็ไม่ได้กตัวแปรใหม่เพรานั้น ค่าเนี่ยก็เป็นค่าที่เหมือนเดิม
24:21 ครับโอเคก็มันก็จะมีสนลักการคูณการของเิ ครับก็คือคูณกันทีละตัวเลยถ้าเกิดเป็นการ คูณก็คือ 1 1 2 2 3 3 ครับเป็นการ เรียกว่า Element White ครับต่อมาเป็นเรื่อง matri Multi ครับก็ คือเป็นก็เหมือนการคูณครับก็ Matrix Potion เนี่ยใช้คำสั่ง Mat Mu ครับไม่ รู้ใครเคยเห็นหรือเปล่าก็ใน Excel ก็ใช้ คำสั่งนี้เหมือนกันครับ Mat Mu ซึ่งกด เนี่ยก็เหมือนกฎการเอ่อการคูณนะครับก็ถ้า จะคูณกันได้เนี่ยแล้วก็ตัวหลังของตัวหน้า จะต้องเหมือนตัวหน้าของตัวหลังครับ 23 ไม่ได้ 33 ได้ 2 2 ได้แล้วก็ผลลัพธ์ของ
25:08 มันเนี่ยมันจะเท่ากับตัวนอกครับ 2 2 3 32 ก็ได้ 2 แล้วก็ 2 ครับอันนี้ก็จะได้ 3 3 ครับโดยสัญลักษณ์เนี่ยเราก็อาจจะเขียน เป็นอ่าแอก็ได้ครับแต่การ mation หรือใช้ คำสั่งก็ใช้คำสั่ง tmm ครับ โคลองทำการ in in Tester กันก่อน ครับก็ shf 3 ครับก็มี 1 2 3 3 ตัวเ 3 โอเคเดี๋ยวการลอง matx multiple ครับก็ มันจะเอามาคูณกันแล้วก็มาบวกกัน ครับนี่เรามาดูกันที่การคูณธรรมดาเการคูณ ธรรมดาก็จะคูณเะ EL ครับแต่ถ้าเกิดเราใช้
25:56 สั่ง Mat M manipulation เนี่ยมันจัดทำ การคูณแล้วก็บวกครับเราจะไม่ทำการแยก อย่างก็ 1 + 4 + 9 ก็ได้ 14 ครับหรือจะใช้คำสัแก็ได้ ครับก็เอ่อใช้ขยันก็คูณด้วยมือก็ได้นะแต่ ก็คูณด้วยโปรแกรมดี กว่ามาดูกันที่ Time capacity ครับก็ โอเคเราใช้จะ 8 มสำหรับการคูณอย่างนี้ หรือเรา จะใช้ขสแมซึ่งถอให้มาันเพียงแค่น่าจะเป็น
26:42 อันผมไม่มั่นใจน่าจะเป็น nanos ครับซึ่ง ต่างกันลิบลับเลยครับสนตัวนี้ถ้าเกิดว่า เราแบบเขียนโปรแกรมมืออะไรเงี้ยครับก็ใช้ ตัวนี้ดีกว่าครับมันเร็วกว่า อีกปัญหานึงที่เจอบ่อยๆเนี่ยกันในการทำ Deep Learning เนี่ยก็จะเป็นเรื่องของ เฟ M Match ครับก็เชฟไม่ตรงกันเนี่ยเรา จะคูณกันแต่ว่าเฟไม่ตรงกันเนี่ยมันก็เป็น เรื่องที่ควรอ่าระวังไว้นะครับก็จนี้ก็ Run Time เยมันก็มี Error บอกว่าเนต 1 เต 2 m กันไม่ได้
27:28 เพราะว่ากดไม่ถูกครับ 32 ต้องคูณกับอันนี้ต้องเป็น 2 ครับอัน นี้ก็อะไรก็ได้ครับแต่อันเนี้ยต้องตรงกัน ก็ไปเรื่องที่อ่าลอกไว้นะ ครับต่อมาเนี่ยก็จะเป็นเรื่องของการอ่า transform ได้นะ ครับก็จากที่เรากำหนดเ็นเซอร์ก่อนนะ A B พอ Run แต่นี้จะขึ้น Error สามารถแก้ ปัญหาตัวนี้ได้ด้วยการทำฟอร์มด้วยครับโค เรากำหนดเ็นเซอร์ไว้ก่อนหน้านี้แล้วแล้ว ทพสมันแล้วค่อยคูณกันก็ได้นะ
28:14 ครับก็จะได้คำตอบที่ถูกต้องออกมาในการคูณ กันแล้วก็ M Mo เนี่ยก็มีคำสั่งสั้นๆอีก อันนึงก็ mm ครับเหมือนกันแมตโมเลยเรือง สั้น กว่าก็โอเคมาอธิบายครับเมื่อกี้ที่เราคูด กันไม่ได้เนี่ยเพราะว่ามันเฟ M Match อ่ะครับผมอันนี้ก็เผื่อใคร อิมนึกไม่หอกครับถ้ามันมันจะเป็นยังไงไอ ฝั่งเนี้ยมันก็จะเกลือนกันน่ะครับมันอาจ จะเกลือนกันฝั่งเนี้ยมันก็จะคุณกันไม่ได้ แล้วก็แบบปรับชิคให้มันตรงกันก่อนนะครับ
29:09 ต่อมานะครับเราจะมาดูกันที่หัวข้อของอ่า nw ครับซึ่ง nw เนี่ยก็เกิดจากการทำ feed Forward layer มานะครับผมหรือ Fly connected layer ครับซึ่งในคำสั่งใน P Torch เนี่ยเราจะใช้ Torch DNN ย่อมา จาก Network แล้วก็เป็นชั้น LINE layer ครับหร LINE ซึ่งสูตรของมันเนี่ยก็จะเกิด กับ Y = x produc กับ a transpose + b ซึ่ง x เนี่ยครับก็หมายถึง input นะ ครับผมก็ถ้าเกิดใครหมายเห็นก็อาจจะเคย เป็นแบบเป็นชั้นก้อนๆต่อกันนะครับประมาณ นั้นหรือไม่ก็อาจจะเขนแบบตล Excel มี x มี Y อะไรเงี้ครับถ้าเกิดเคน กันต่อมาครับอก็เป็น a ครับ a ก็คือเป็น
29:57 เท Mat ครับซึ่งค่าเนี้ยมันก็จะถูกสุ่ม ขึ้นมาตั้งแต่ตอนแรกที่เราสร้างเเราเิเลย ครับก็สังเกตว่ามันจะเป็น Trans นะครับ ผมเพราะว่าเดี๋ยวมันจะมีการทำแ propagation ด้วยซึ่งโอเคเดี๋ยวไอ้ตรงเนี้ยมันจะเกิด การ เอ่าแทนเหมือนค่าที่เราเขียนกันน่ะเป็น W หรือจะเขียนเป็น x ก็ได้ครับสำหรับแทริ a พวกเนี้ยหรือ x ก็ได้ที่จะเขียนกันไม่แ เป็นค่าลำเอียงครับก็เป็นค่าที่จะเป็นเล ตั้งแต่เบวกหรือลบก็ได้นะครับแต่ว่า 0 เนี่ยไม่ค่อยใส่กันเพราว่ามันเหมือนไใส่
30:44 ก็เอามันบวกะลบแล้วครับ B เพื่อที่จะปรับ เล็กน้อยปรับไม่อย่าปรับเยอะก็คือปรับ เล็กน้อยครับเป็น b f ก็เป็น output ครับจากการคูณกันตรงนี้เสรจก็เป็นค่าค่า นึงมา ครับก็ส่วนนี้ก็จะคกับวาตั้งแ่ MX + B หรือ MX + C หรือ AX + B ที่เคยเกนใน โรงเรียนตอนมาปายครับผมสูก็จากคล้าย้า กันเดี๋ยวเราจะมาลองเล่นกับชั้น LINE layer ครับผมเดี๋ยวเราจะมาลองแทนค่า in feature Out feature กับ T LINE ดู ครับที่รับพตรสันนี้อันเนครับเดี๋ยวเราจะ สร้าง Sensor a ขึ้นมาซึ่ง Sensor a เนี่ยเราสร้างไว้ก่อนแล้วเชียของมันนะ ครับก็คือ 3 2 ก็มี 2 จำนวน 3 ตัว
31:32 ครับอเดี๋ยวคุณให้ ดูโค 2 จำนวน 3 ตัวเราอยากให้มันเป็นออก 10 ก็คือมันจะออกเป็น อ่า 10 จำนวน 3 ตัวนี่ก็อันเนี้ย 10 ครับ แล้วก็มี 3 ตัวหรืออ่าซัก 20 อ่ามันก็จะออกออกมาครับค่าเนี้ยจค่า สังเกตที่มันออกมาเยอะได้เนี่ยเพราะค่า เนี้ยมันเป็นค่าที่ถูกสุ่มมานะ ครับ เดี๋ยวแต่ว่าสังเกตว่าผมรันเนี่ยใจะได้ ค่าเหมือนเดิมเพราะว่าผมใส่คำสั่ง Manual SE ด้วยนะครับเพรามันค่าเนี่ยมันจะได้
32:18 เหมือนเดิมครับเดี๋ยวเนี่ยรอเป็น 1 ก็ได้ นะครับผมก็เป็น 1 จำนวน 3 ตัว ซึ่งใน Operation เนี่ยไอ้ตัวชั้นไอ LINE เนี่ยครับก็ถูกใช้กันในแทบทุกมดลเลยนะ ครับที่พิๆกันอันนี้ก็เป็นตัวอย่างพวกแบบ อื msm เนี่ยก็มีการใช้ L ler ในชั้น ข้างในครับเมี for Gate input Gate นะ ครับผมที่ใช้กันหรือแบบเป็น CNN ก็มี เหมือนกันนะครับ CNN ก็หลชั้น conal layer เนี่ยก็ังมีชั้นเ ler ตามหลังมา ครับ [เพลง]
33:05 อืโอเคครับเรามาเลิกของการ reaping stacking sting และ Out sting ครับ ซึ่งก็เป็น Operation อ่าอาจจะเป็นในมุม มองของ Dimension มากกว่าครับจะเป็นการ เปลี่ยน shap ต่างๆของตัวนี้ ครับโดย topic ที่เราจะมาดูกันเี่จะเป็น การ res shap การ View การ stack squ อ และการ perm ครับซึ่งอย่างที่ปอกไปทำไม เราต้องใช้เนี่ยก็ มันในทางในบครับสมมติว่าไส้ข้างในของม เนี่ยมันมีกับชหลายๆอย่างเนี่ยมันแบบบาง ทีมันคูณกันไม่ได้เนี่ยเราก็ต้องปรับสกัน ให้มันคุยกันไม่ได้หรือกันเราอยากเสอแิ เข้าด้วยกันแล้วก็ปรับเชคของมันเนี่ยครับ ก็มันก็เป็น Operation ที่แบช่วยในเรื่อง
33:52 นั้นนะครับผมมาเลิกกันที่เดี๋ยวเราจะมา สร้างอก่อนนะครับเป็นเป็นการสร้างอ่า 1-8 นะครับเป็นโ 1-8 ก็แต่แต่นี้เป็น 7 นะ ครับผมว่า n ที่ 8 ก็มีจำนวน 7 ตัว อ่ามคำสั่ง res shap เนี่ยครับจะเป็นการ res ให้อยู่ในรูปแบบของอ่าเป็นจิตใช่ ไหมมครับเดี๋ยวจะเป็น res Dimension ก็ เป็น Dimension เนี่ย SH เนี่ยมันเป็น 1 จแล้วนะครับผมก็ถ้าเกิดเราเนี่ยอ ลักษณะหน้าตามันนะครับมันจะถูกครอบ้ว 1 กับก็มีมันจะเหมือนบอกว่าอันนี้มี 7 ตัว แต่นี้บอกว่า 7 ตัว 1 อันครับประมาณนี้ 7
34:38 ตัวที่มี 1 อันครับเมันจะเอาอันนี้มาครอบ อีก 2 อันครับอันนี้จะมีแค่อัน เดียวต่อมาทอช View ครับก็ อ่าก็แค่เปลี่ยนแค่เมองครับเหมือนสมมติ อยากรู้ว่าเอ้ยถ้าเปลี่ยนเป็น 17 เนี่ย มันจะหน้าตาไปยังไงก็สามารถใช้อย่างงี้ ได้ ครับใช้ครับส วก็คือจริงๆเมันก็เป็นเนอร์เลยนะครับผม แค่เปลี่ยนมุมมอง ใหม่เคต่อมาครับอันนี้จะเป็นอ่าตัวอย่าง ครับสมมุติว่าถ้าเกิดว่า เราให้ Z ตั้งแต่อ่าตัว 0 เนี่ยเป็น 5
35:27 เนี่ย มันก็จะถูกเปลี่ยนนะครับแต่ว่า x เนี่ย ตัวเนี่ยมันก็ไม่เปลี่ยน ครับประมาณเดียวกันต่อมาการ stack เนี่ย จะเป็นการ stack stack กันในอ่าจริงๆเรา เลือกทิศทางได้ครับา stack ระยาดิ่งก็ใช้ Dimension 0 ครับอ่ะเดี๋ยวลองรันให้ดู ครับก็จะเป็นการ stack กันในแนวต้าอย่าง นี้ครับผมเดี๋ยว ดูชเนี่ยครับก็จะมีสการ 4 ตัวก็มี 7 4 ตัวหรือดูแนวที่จะมีชั้นเหกันนะครับ อ่าสังเกตอะไรมครับเหมือมันถูกมิดเลย 1 7 มันถูกเรียกันในแนวนี้แทนจะเป็น 7 4 แท
36:14 นะครับผมก็จะสลับในด้วยกัน 1 2 3 4 577 สกกันในแนวนี้นี้แทน ครับต่อมาโอเคเรียกว่า squ ครับ sed เนี่ยคือการ ก็ squ นะครับเหเหมือนบีบรูดเซ็นเซอร์ นั้นเนี่ยให้เหลือแค่เอ่อเชฟเดียว ครับเดี๋ยวเราจะมาดูกันก่อนนะครับว่าแบบ เนี้เรามีลักษณะหน้าตาเป็นยังไงนี่เรามี ลักษณะเป็น 5 แล้วก็ส 7 นะครับก็เป็นเชฟ 7 อัน 1 ตัวครับทีนี้เราจะทำการ squ ตัวนก็ ดูครับ
37:01 ก็เหสังเกตมครับอะไรเปลี่ยนไปตัวนี้ ครับ Open Square Packet เหลือแค่ตัว เดียวเพราะวัถุ squ ทีเ shap เนี่ยมันก็ จะเหลือแค่ 7 แล้ว ครับอนี้คืออ squ ต่อมาเนี่ยก็มี Un squ ครับก็เดี๋ยวใช้ตัวเดินกับก่อนหน้านี้ ครับเป็นตัวเดียวกันครานี้อ S เนี่ย ก็เอ squ Dimension 0 เนี่ยจะเอาตัวที่ squ อยู่แล้วเนี่ยมา Un squ ครับก็จะ กลับเป็นเหมือนเดิมครับก็เป็นลักษณะหน้า ตาเป็น 17 ที่มีลักษณะเหมือนตัวนี้ ครับต่อมา perm perm เนี่ยจะเป็นการสลับ
37:51 Dimension สำหรับชี้ตามที่เรากำหนดครับ สมว่าเรามีโอครูปเป็น Random ครับก็ตรูป มาก็เป็น 224 224 นะครับเฟ มันทีนี้เรจทำการ perm ครับ perm เนี่ยจะ ใส่ก็คือสลับให้ตัวแรกเนี่ยเป็น index ตัวที่เฟที่ 2 ตัวที่ 2 เอาเฟที่ 0 ตัว ที่ตัวสุดท้ายเนี่ยก็เอาเฟที่ 1 มาก็คือ 2 ใช่มั้ยก็เอาคมันจะได้คค่าค่า 2 2 4 ผม ันให้ดูก่อนครั้งแรกเี่สมติค่าจะถูกสลับ มาอ่ะเดี๋ยวลองเปลี่ยนใหม่จะได้ดูง่ายๆก็ ขึ้นก็ เป็น
38:36 อ่า 0 อนี้ไม่ได้ก็ เป็น 22 99 แล้วกัน ครับอ่าดูนะครับว่าจะสลับยังไงดละออกมา เนี่ยมันจะออกมาว่าไอ้ SH แรกของตัวเนี้ย ก็คืออ 2 ก็กลายเป็น 3 ไอ้ตัวเนี้ยก็คือ อกที่สูตัวนี้ก็คือ 229 อันนี้ก็จะเป็น index ที่ 1 ก็คือ 224 ครับ อ่าหน้าต่างกเพเนี่ยก็มีการใช้บเหมือนกัน กรณีสมมุติว่าเราติดปัญหาเรื่องเฮ้ย shap เนี่ยมันใส่แบบเอ่อใส่ในโมเลมาได้แล้วก็ ใช้คำสั่ง perm นะครับในการเปลี่ยนชิ เหล่านั้นให้แบบสามารถใส่ไปในโมดลได้
39:22 ครับครับมาดูกันต่อที่เรื่องของการ indexing ครับ Gu Index เนี่ยก็คือการ เลือกเฉพาะเจาะจงของเนอรแล้วนะครับถ้า เกิดใน Pon เนี่ยเราก็จะเกิดการใช้ตัวจุด ๆ 2 ตัวนะครับ ผมซึ่งก็ในใน tensor เนี่ยก็จะมีการที่ ใช้ Operation คลๆกันเลยครับท้านเราจะมา initialize ตัวอ่าเ็นเซอร์ก่อนครับเป็น shap 133 ครับก็คืออ่า 3 ภูสาให้มี 1 ตัวครับโดนครอบใเลอ่า 1/9 ครับจะได้เป็น เฟทางนี้เดี๋ยวเราจะมาลองการ assess ตัว เอ่อเ็นเซอร์ดูนะ ครับก็โอเคเนี่ยก็สมมติว่าอยากได้อ่าตัว
40:12 แรกครับผมก็ตัว เนี้ยเชฟเครับมันก็จะถูกลดไปตัวนึงเพราะ ว่าเรา Asset มาตัวนี้แล้วมันก็จะเป็นเฟ 3x 3 ครับ อ่ะทีนี้อิ่มถ้าเกิดว่าเราเอีกชั้นนึง เนี่ยครับ 3 3 เราจะมาดูตัวแรกของ 3 3 ครับโอเคก็จะเหลือแค่ 3 ตัวครับก็คือ เดี๋ยวอ่าเดี๋ยวให้ ดูอ่าก็เป็น 1 โทรศักครับก็คืออกที่ 0 ของตัวนี้ก็จะเหลือแค่ตัวนี้แล้วก็เอาตัว แรกของตัวนี้มาก็เหลือแค่ 1 2 3
40:58 ครับก็เหมือนกับใน Pon ที่เราเคยใช้กันนะ ครับผมตขจาก S4 อีกชั้นนึงก็เนักศึษาเอา ตัวแรกก็คือเป็น 1 นะ ครับ ครับต่อมาเครื่องหมายเอิ่คอลัมครับในการ ระบุค่าเท่าหมดใน Dimension แรกครับเมื่อ กี้ก่อนเนี้ใชู้ใช่มครับก็คือเอาแค่ที่ แต่เราจะเอาทุกอ่า Element เลยแล้วก็เอาตัวที่สวนมันออกมาครับ อ่าแต่ว่าไอ้ตัวแรงเื่องจากตัวเยมันมีแค่ ตัวเดียวนะครับผมมันก็เลยได้ค่าที่เหมือน เดิมต่อมาเราจะเอาค่าที่มันเป็น
41:46 อิ่มค่าทั้งหมดสตัวนี้แล้วก็ทั้งหมดตัว นี้ครับก็คือตัวนี้มาแล้วก็เอาค่าแรกครับ ห้องค่าไปค่าค่า 1 อ่าโอคเดี๋ยวเราจะมาดู กันว่าค่าหน้าตาเป็นยังไงถ้าเกิดว่าเรา ค่าแบว่าข้างบนนี้ มาโอเคก็ได้ค่าเพราว่าเอาค่าทดตัวมา เหมือนเดิมครับแต่ทีนี้เราจแบบถึง 2 ก็ ได้เหมือนกัน อ่าตัวอย่างครับก็เอาตัวที่ 1 มาแล้วก็ตัวที่อีกรอบนึงก็เอาที่ 1 มาก็ คือตัวตรงกลางแล้วก็เอาตรงกลางอีกรอบนึง ก็เป็น 5 ครับ ก็จะออก 5 แล้ว 0 เนี่ยก็จะได้คาบเลยครับกับ 0
42:35 ตัว นี้อันนี้ต่อมาก็เรื่องการแปลพวกเนเซอร์ กับนพายครับเพราะว่าปกติแล้วเนี่ยเอ่อไอ้ ตัวเนเซอร์เนี่ยเอ่อเราจะใช้กับนายครับ เพราะว่าพวกูต่างๆว่าลำแปลงแพนเป็นนาย ครับเราอารมณ์เหมือนว่านพายแบบนพายเป็น ตัวกลางครับเราค่อยแปลงนายเนี่ยเป็นแน ครับซึ่งมันก็มีคำสั่งในการใช้ก็คือร์ม นายแล้วก็ใส่นายเข้าไปก็คือมาจากนพายต่อ มาหรืออันนึงก็คือแปล Short senser เนี่ยให้กลายเป็นนาย ครับเคต่อมาเดี๋ยวจะมาลอง initial ตัว
43:22 tensor ครับไปตั้งแต่ 1-7 ครับอ้อขออภัย อันนี้เป็นตัวสังเกตว่า NP อะไเนี่ยเป็น ตัวนพายครับคำสั่งอย่า นี้ออเวก็ ort นก่อนครับถ้าใช้ นายนี่ครับเหว่ามันขึ้นต้น้วยอแต่อันมัน ขึ้นเ็นเซอร์ครับแล้วมาดู type ของ array ก็เป็นาย array ครับ อืโค เดี๋ยว ตัวถ้าเกิดว่าเราอยากแปลงให้ตัว array
44:10 เนี่ยครับไปการเป็นเนอรเราใช้คำสั่ง T for มนำท้าครับซึ่งไตัวเนี้ยจะต้องเป็น อ่าเห็นปครับถ้ากด Control ดููจะบอกว่า เป็น array ครับมาลองรันดูครับอ่าทีนี้ครับสังเกตว่า นี่เ็นเซอร์เราแปลงจากนำพาตัวนี้หงกลาย เ็นเซอร์ครับก็จะขึ้นได้เ็นเซอร์แล้วแล้ว ก็ค่า default เนี่ยจะเป็น f 64 ครับถ้าเกิดว่ามันเป็นอ่านาก็จะเป็น for 4 แต่ไปเนี่ยก็เป็นโ 32 ครับังนั้นเนี่ย ถ้าเกิดว่าเราอยากแปลอน Force 64 เนี่ย ้าเป็น P Force 22 เนี่ยเราก็ก็แปลง เป็นอ่านพายก่อนเอ้แปเป็น TCH tensor ก่อนนะครับก็ได้เป็น 64 เราก็ข้าสังนึง
44:57 เนี่ยในการให้มันแปลเป็นโฟด 32 ครับอีกันนึงตัวอย่างครับเราอยากให้ เปลี่ยนแค่อเฉยๆก็เปลี่ยนได้ครับเพราะว่า เราถือว่า 2 ตัวแปรเนี้แยกออกจากกันแล้ว มันใช่ตัวแปรเดียวกัน แล้วอันนี้ก็หาการิดจากอ่า censer เนี่ย ถ้ากลายเป็นอเนี่ยก็สามารถที่จะใช้ senser นายได้ครับในการแปลงก็เรามีสำ 1 7 ตัวมา เราเ D เนี่ยถ้าเราลองปเช็คดูนะครับ tensor ที่เราทราบมาตอนแรกเนี่ยก็จะเป็น type tensor แล้วหลังจากที่เราใช้น underscore tensor เนี่ยก็จะกลายเป็น type AR แล้ว
45:45 ครับก็ค่าก็ใหยังคงเรือ ครับโอเคต่อมามาเรื่อง de productivity ครับเรื่องนี้ก็เป็นเรื่องที่เป็นเหมือน อารมณ์เหมือนทฤษฎีที่ค่อนข้างสำคัญครับ ปกติแล้วเนี่ยสมมติเราจะมีปัญหาทุกอย่าง นะครับสมมุติว่าเราอ่าในคอมพิวเตอร์เนี่ย มันจะเรียกว่าการ Studio Random ครับคือ การสุ่มเทียมเพราะว่ามันในที่ 2 เนี่ยมัน ไม่มีการสุ่ม ครับเพราะว่ามันควรรันแล้วมันควรได้ที่ผล ลัพธ์เดิมครับเรียกว่า deterministic ครับ หรือถ้าเคยอยากหาอะไรคนเสือครับก็ดูคลิป
46:30 จากามได้ครับในคลิปนี้แปะจิงไว้ให้แล้ว R สแเกลือครับคือการสุ่มแล้วมันเกี่ยวกับ อ่า ne work หรือ RE Learning ยังไงล่ะ ก็อย่างที่ก่อนเเราเคยพูดถึงในหัวข้อของ Rom tensor ครับว่าในการสร้าง nwk เนี่ยเราจะต้องทำการุมเรื่องต้นของเข้อ มูลตัวโมเดลนั้นๆเนี่ยด้วยการุ่มครับก็ คือเราใช้ penser ออกมาแล้วก็ก็เราจะปรับ เทเหล่านั้นเนี่ยตาจน Data ที่มาครับค่อย ๆปรับทีละนิดทีละนิดทนิดให้มันเป็นอ่าค่า ที่ดีสำหรับข้อมูลนั้นๆครับ ก็ต้องได้ตัวเลขซูมแล้วก็ังการ Operation บนเ็นเซอร์ตามข้อมูลที่ใส่มาครับแล้วก็ึง การ repent ตัวนให้ดีขึ้นก็คือการปรับ Data ให้มันเอ้ยปรับขออภัยครับปรับตัว
47:17 มดลตัวที่สุมขึ้นมาเนี่ยให้มันดีขึ้น ครับแต่ว่าอืถึงแม้เราใช้การสุบเยอะเนี่ย แต่จริงๆเราควรลดการสมนั้นนะครับเพราะว่า สมมติว่าเพื่อนเราเนี่ยรันโปรแกรมแบบรัน โปรแกรมโปรแกรมนึงเราได้ผลลัพ x แต่ว่า เราเอาโปรแกรมนั้นมารเื่เราได้ผลลัพธ์ Y ล่ะซึ่งมันก็ตามหลคอมพิวเตอร์เนี่ยมันค ได้ผลลับเหมือนกันใช่มยครับทีนี้ถ้าเกิด Deep Learning เนี่ยเราควรที่จะมีอ่า เรื่องนั้นครับเเรียกว่าการ repr productivity ครับก็คือรัดเหมือนกันก็ ควรได้ผลลัพธ์เดียวกันครับไม่ใช่การสุ่ม ซึ่งรายการเราจะแก้ปัหาเนี่ยเราจะใช้คำ สั่งการ set Seed ครับ Seed ปกติ Rom เนี่ย Rom ก็จะไปจาก Seed มาครับทีเนี้
48:04 ถ้าเกิดเราซเป็นว่าซีคองตัวการสุ่มก็จะ ครองตัว ครับมาดูครับถ้าเกิดเราทำ การสุ่มค่าเนี่ยผลลัพธ์ที่ได้เนี่ยมันก็ จะไม่เหมือนเดิมใช่มครั้ง 76 53 1143 สังเกตครับว่าปกติคอมพิวเตอร์เนี่ย รันเหมือนเดิมควรได้ผลลัพธ์ที่เหมือนเิ ใช่ไหมครับแต่อันนี้ดันไม่เหมือนเดิม ครับว่าเนี่ยมันไม่เท่ากันสักตัวเลยไม่ เหมือนกันสักตัวเลยเในการแก้หารเเราใช้คำ สั่ง TCH Manual Seed ครับเราจะใช้คำ สั่ง Seed ซึ่ง Seed เราใช้เป็น 42 ครับท นี้เราจการสุ่มอีกครั้ง ครับ อ้าสังเกตว่าเราสุ่ม 2 ครั้งเซอร D กับ
48:51 เเอ C เนี่ยใช้คำสอ่งเดียวกันได้ผที่ เหมือนเดิมกันทุกครั้งเลยครับ อื 8823 ทุกครั้งเลยสมมุติว่าผมเปลี่ยนี เนี่ยเป็น 2248 ค่านี้ก็จะเปลี่ยนครับแต่ว่าสุด ท้ายแล้วการสปแต่ละครั้งเนี่ยก็จะได้ค่า ที่เหมือนเดิม ครับก็สำหรับหัวข้อนี้ ก็สรุปก็คือจะเน้นไปในเรื่องของการทำ Operation ใน tensor ครับซึ่ง Operation ใน tensor เนี่ยก็จะเป็นพื้นฐานที่สำคัญ ครับสำหรับน้องๆในการต่อยอดในการทำพวกแว ครับในการปรับปรุงไส้ค้าในของแวเพื่อจะ สร้างโมเดลที่มีความ Custom แล้วก็จะได้
49:39 ไม่ต้องใช้โมเดลที่ถูก อ่า fix เทมาแล้วแล้วก็สามารถแก้ไขเทต่าง ๆกันได้ครับหรือจะสร้างเทข้นไปเองก็ได้ก็ ขอให้น้องๆโชคดีครับ ผมอ
