در این مطلب، ویدئو با Gramformer و Gradio یک برنامه Python تصحیح گرامر بسازید با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:23:10
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,000 –> 00:00:01,599
من شما را نمی دانم اما مادربزرگ من
2
00:00:01,599 –> 00:00:03,520
می تواند حتی در بهترین زمان از برخی کارها استفاده کند
3
00:00:03,520 –> 00:00:05,359
همانطور که احتمالاً در برخی از نظرات زیر متوجه شده اید
4
00:00:05,359 –> 00:00:06,799
5
00:00:06,799 –> 00:00:08,480
اکنون در این ویدیو ما قصد داریم
6
00:00:08,480 –> 00:00:10,400
همه اینها را با استفاده از یک مدل کاملاً جدید حل کنیم.
7
00:00:10,400 –> 00:00:12,400
به نام فرم گرام نکته جالب
8
00:00:12,400 –> 00:00:14,080
در مورد فرم فرم این است که شما می توانید از
9
00:00:14,080 –> 00:00:15,280
طریق یک جمله عبور کنید
10
00:00:15,280 –> 00:00:17,680
و در واقع
11
00:00:17,680 –> 00:00:19,039
گرامر را برای
12
00:00:19,039 –> 00:00:21,840
همه شما با یک خط کد آماده برای
13
00:00:21,840 –> 00:00:22,320
انجام
14
00:00:22,320 –> 00:00:23,600
آن بهبود و اصلاح
15
00:00:23,600 –> 00:00:25,199
می کند. بنابراین در این ویدیو
16
00:00:25,199 –> 00:00:26,640
ما آن را گام به گام
17
00:00:26,640 –> 00:00:28,160
پیش خواهیم برد، اما این یک
18
00:00:28,160 –> 00:00:29,760
ویدیوی نسبتاً ساده خواهد بود، بنابراین تنها کاری که باید
19
00:00:29,760 –> 00:00:30,080
انجام دهیم این
20
00:00:30,080 –> 00:00:32,320
است که gram format را نصب کنیم که همان
21
00:00:32,320 –> 00:00:33,920
مدلی است که من به آن اشاره میکردم
22
00:00:33,920 –> 00:00:35,120
. قرار است این کار را انجام دهیم این است که ما
23
00:00:35,120 –> 00:00:36,800
از فرمت gram استفاده می کنیم تا واقعاً
24
00:00:36,800 –> 00:00:38,320
آن تصحیح خطا و به
25
00:00:38,320 –> 00:00:40,320
طور خاص تصحیح گرامر ما را انجام دهیم،
26
00:00:40,320 –> 00:00:42,399
اکنون به نظر می رسد که این مدل
27
00:00:42,399 –> 00:00:44,079
خاص هنوز در مراحل اولیه خود است، اما
28
00:00:44,079 –> 00:00:45,600
برخی ویژگی های جالب وجود دارد که من کمی در مورد آنها صحبت خواهم کرد.
29
00:00:45,600 –> 00:00:47,120
بعدا که قرار است
30
00:00:47,120 –> 00:00:48,239
داخل آن باشید
31
00:00:48,239 –> 00:00:49,600
و سپس آن را یک قدم جلوتر برداریم،
32
00:00:49,600 –> 00:00:50,879
بنابراین من معمولاً این کار را انجام نمیدهم، اما
33
00:00:50,879 –> 00:00:52,079
کاری که در واقع انجام میدهیم این است
34
00:00:52,079 –> 00:00:53,120
که
35
00:00:53,120 –> 00:00:55,120
مدل تصحیح خطای قالب گرام
36
00:00:55,120 –> 00:00:56,719
یا تصحیح گرامر خود را به هم متصل میکنیم. مدل و ما در
37
00:00:56,719 –> 00:00:58,000
واقع
38
00:00:58,000 –> 00:00:59,840
قصد داریم آن را در یک برنامه ادغام کنیم، بنابراین برای این کار
39
00:00:59,840 –> 00:01:01,199
از گرادینت استفاده می کنیم،
40
00:01:01,199 –> 00:01:02,640
بیایید نگاهی بیندازیم که چگونه همه چیز
41
00:01:02,640 –> 00:01:04,640
با هم هماهنگ می شود، بنابراین همانطور که گفتم
42
00:01:04,640 –> 00:01:06,479
ابتدا آنچه باید انجام دهیم نصب است. فرمت
43
00:01:06,479 –> 00:01:08,400
gram اکنون یک وابستگی اصلی برای
44
00:01:08,400 –> 00:01:10,000
فرمت گرام مشعل پی است، بنابراین من به شما نشان می دهم که چگونه
45
00:01:10,000 –> 00:01:11,600
آن را نصب کنید،
46
00:01:11,600 –> 00:01:12,720
سپس کاری که می خواهیم انجام دهیم این
47
00:01:12,720 –> 00:01:14,400
است که یک جمله را به
48
00:01:14,400 –> 00:01:15,680
مدل gram قبلی خود منتقل
49
00:01:15,680 –> 00:01:17,360
می کنیم و می توانیم در واقع از تابعی
50
00:01:17,360 –> 00:01:19,119
به نام صحیح استفاده می کنیم تا در واقع ادامه دهیم
51
00:01:19,119 –> 00:01:20,159
و
52
00:01:20,159 –> 00:01:22,159
آن جمله را تصحیح کنیم و اساساً دستور زبان را بهبود ببخشیم،
53
00:01:22,159 –> 00:01:23,840
سپس کاری که می
54
00:01:23,840 –> 00:01:25,040
خواهیم انجام دهیم این است که آن را در داخل یک
55
00:01:25,040 –> 00:01:26,799
تابع جمع بندی کرده و در واقع آن را به عنوان یک
56
00:01:26,799 –> 00:01:27,680
برنامه کاربردی به
57
00:01:27,680 –> 00:01:29,119
کار ببریم. گرادیان واقعاً
58
00:01:29,119 –> 00:01:30,640
ساده است، بنابراین ما در واقع می توانیم فقط
59
00:01:30,640 –> 00:01:32,560
پمپاژ کنیم این تابع در برنامه ما
60
00:01:32,560 –> 00:01:34,000
قرار می گیرد و
61
00:01:34,000 –> 00:01:36,400
واقعاً کار می کند، در واقع بسیار خوب است که
62
00:01:36,400 –> 00:01:37,280
آماده انجام آن
63
00:01:37,280 –> 00:01:39,600
64
00:01:39,600 –> 00:01:40,880
65
00:01:40,880 –> 00:01:42,159
66
00:01:42,159 –> 00:01:44,000
67
00:01:44,000 –> 00:01:46,560
کارهای 4k که باید انجام دهیم، بنابراین باید
68
00:01:46,560 –> 00:01:48,000
وابستگیهایمان را نصب و وارد
69
00:01:48,000 –> 00:01:50,560
کنیم، مطمئن شویم که یک نصب دیگر بزرگنمایی کردهایم
70
00:01:50,560 –> 00:01:52,399
و وابستگیهایمان را وارد کنیم، کاری که
71
00:01:52,399 –> 00:01:53,759
میخواهیم انجام دهیم این است که فرم gram را تنظیم کنیم،
72
00:01:53,759 –> 00:01:55,600
بنابراین شما فقط باید نمونهسازی کنید آن را
73
00:01:55,600 –> 00:01:56,320
و یک
74
00:01:56,320 –> 00:01:58,719
کلاس برای آن ایجاد می کنیم، سپس تصحیح خود را اجرا می کنیم،
75
00:01:58,719 –> 00:02:00,240
بنابراین
76
00:02:00,240 –> 00:02:01,840
دستور زبان ما را اصلاح می کنیم و در آخر،
77
00:02:01,840 –> 00:02:03,119
همه را با gradio کنار هم می
78
00:02:03,119 –> 00:02:05,439
گذاریم، بنابراین گرادیان یک بسته عالی است
79
00:02:05,439 –> 00:02:07,040
که در واقع اجازه می دهد شما برای ایجاد
80
00:02:07,040 –> 00:02:09,038
برنامه های وب از کد یادگیری ماشین پایتون خود
81
00:02:09,038 –> 00:02:09,360
82
00:02:09,360 –> 00:02:11,280
واقعاً واقعاً بسیار جالب
83
00:02:11,280 –> 00:02:12,879
است. نکته جالب در مورد فرمت gram این است که همه
84
00:02:12,879 –> 00:02:14,720
آن منبع باز است بنابراین از طریق github در دسترس است
85
00:02:14,720 –> 00:02:16,080
بنابراین وقتی ما به نصب آن
86
00:02:16,080 –> 00:02:17,920
می رویم اساساً این inst را اجرا خواهیم کرد.
87
00:02:17,920 –> 00:02:19,680
خط allation در اینجا برای راه
88
00:02:19,680 –> 00:02:20,319
اندازی و اجرا
89
00:02:20,319 –> 00:02:22,879
در حال حاضر این نسبتاً جدید است، بنابراین یک
90
00:02:22,879 –> 00:02:24,319
سری چیزها وجود دارد که فکر
91
00:02:24,319 –> 00:02:25,920
می کنم در داخل این
92
00:02:25,920 –> 00:02:27,280
مدل قرار می گیرند که آن را کاملاً
93
00:02:27,280 –> 00:02:29,200
شگفت انگیز می کند، بنابراین به طور خاص
94
00:02:29,200 –> 00:02:31,840
در حال حاضر من معتقدم که یک دستور زبان وجود دارد
95
00:02:31,840 –> 00:02:33,360
تصحیح کننده خطا، همان چیزی است که
96
00:02:33,360 –> 00:02:35,040
ما امروز از آن استفاده می کنیم،
97
00:02:35,040 –> 00:02:36,480
اما در نهایت
98
00:02:36,480 –> 00:02:38,640
یک آشکارساز خطا و برجسته کننده خطا
99
00:02:38,640 –> 00:02:39,360
نیز وجود خواهد داشت، بنابراین
100
00:02:39,360 –> 00:02:40,640
فکر می کنم اینها اینها را به
101
00:02:40,640 –> 00:02:41,920
مرحله بعدی می برند، بنابراین سعی کردم با آن بازی
102
00:02:41,920 –> 00:02:43,599
کنم. آشکارساز خطا و
103
00:02:43,599 –> 00:02:45,280
برجستهکننده خطا، اما باز
104
00:02:45,280 –> 00:02:46,640
هم به نظر نمیرسد که هنوز پیادهسازی شدهاند،
105
00:02:46,640 –> 00:02:48,080
اما اینها در آنجا خواهند بود که زمانی که
106
00:02:48,080 –> 00:02:51,200
قرار بگیرند فوقالعاده عالی خواهند بود
107
00:02:51,200 –> 00:02:53,120
بنابراین اولین کاری که ما باید انجام دهیم این است که
108
00:02:53,120 –> 00:02:54,560
در واقع ادامه دهیم
109
00:02:54,560 –> 00:02:56,480
و شروع کنیم. با نصب و
110
00:02:56,480 –> 00:02:58,159
وارد کردن وابستگیهای ما، اکنون
111
00:02:58,159 –> 00:02:58,560
یک
112
00:02:58,560 –> 00:03:00,239
وابستگی اصلی وجود دارد که باید
113
00:03:00,239 –> 00:03:02,239
قبل از شروع با
114
00:03:02,239 –> 00:03:04,560
فرمت gram آن را نصب کنید و آن کار با مشعل pi است،
115
00:03:04,560 –> 00:03:05,280
116
00:03:05,280 –> 00:03:07,120
بنابراین برای انجام آن، ما فقط به ادامه میرویم.
117
00:03:07,120 –> 00:03:09,280
قبل از رفتن به سایت مشعل pi
118
00:03:09,280 –> 00:03:10,879
، اینجا را کلیک کنید تا بتوانید ببینید
119
00:03:10,879 –> 00:03:12,959
که نصب شده است، بنابراین ما فقط باید آن
120
00:03:12,959 –> 00:03:14,000
را انتخاب
121
00:03:14,000 –> 00:03:18,080
کنیم و سپس تنها کاری که باید انجام دهیم این است که
122
00:03:18,080 –> 00:03:19,760
فقط نسخه های مورد نظر خود را انتخاب کنیم تا
123
00:03:19,760 –> 00:03:21,440
بتوانیم stable را انتخاب کنیم.
124
00:03:21,440 –> 00:03:22,319
نسخه شبانه،
125
00:03:22,319 –> 00:03:24,319
نسخه پایدار برای مدت طولانی سیستم عامل خود را
126
00:03:24,319 –> 00:03:25,599
127
00:03:25,599 –> 00:03:27,360
چگونه می خواهید نصب کنید و
128
00:03:27,360 –> 00:03:29,280
زبان و همچنین پلت فرم محاسباتی
129
00:03:29,280 –> 00:03:30,640
را نصب
130
00:03:30,640 –> 00:03:32,319
131
00:03:32,319 –> 00:03:33,760
132
00:03:33,760 –> 00:03:36,080
کنید. نسخه جدول زمان طولانی، بنابراین دوباره
133
00:03:36,080 –> 00:03:37,680
می توانید از 1.9 استفاده کنید، اما من به تازگی متوجه
134
00:03:37,680 –> 00:03:40,799
شدم که
135
00:03:40,799 –> 00:03:42,000
1.1.8.1 بسیار خوب کار کرده است، بنابراین ما می خواهیم
136
00:03:42,000 –> 00:03:44,560
آن یکی
137
00:03:44,560 –> 00:03:46,959
را انتخاب کنیم، همچنین سیستم عاملی را که ما انتخاب می کنیم، انتخاب
138
00:03:46,959 –> 00:03:49,120
می کنیم. دوباره روی آن کار میکنم، بنابراین کاری
139
00:03:49,120 –> 00:03:50,879
که میخواهم انجام دهم این است که ویندوز را انتخاب کنم
140
00:03:50,879 –> 00:03:52,720
و سپس بسته یا روشی را که
141
00:03:52,720 –> 00:03:54,000
میخواهیم نصب کنیم، بنابراین از
142
00:03:54,000 –> 00:03:56,000
pip استفاده میکنیم که میخواهیم زبانی را که
143
00:03:56,000 –> 00:03:57,360
میخواهیم با آن نصب کنیم انتخاب کنیم.
144
00:03:57,360 –> 00:03:59,120
برای استفاده از پایتون چون این
145
00:03:59,120 –> 00:04:00,879
آموزش پایتون و ما نیز انتخاب می کنیم
146
00:04:00,879 –> 00:04:01,920
نسخه cuda ما،
147
00:04:01,920 –> 00:04:04,080
نسخه cuda کاملاً به این بستگی دارد
148
00:04:04,080 –> 00:04:05,200
که آیا شما یک nvidia gpu دارید یا نه،
149
00:04:05,200 –> 00:04:07,360
بنابراین اگر با یک
150
00:04:07,360 –> 00:04:08,799
nvidia gpu
151
00:04:08,799 –> 00:04:10,959
کار می کنید، می توانید انتخاب کنید که از cuda استفاده
152
00:04:10,959 –> 00:04:13,360
کنید اگر با gpu amd کار می کنید، پس
153
00:04:13,360 –> 00:04:15,439
باید روی لینوکس باشید و می توانید rock m را امتحان کنید،
154
00:04:15,439 –> 00:04:16,238
155
00:04:16,238 –> 00:04:18,320
بنابراین rock m مانند معادل cuda است،
156
00:04:18,320 –> 00:04:20,160
اما برای amd gpu، بنابراین اگر می خواهید از
157
00:04:20,160 –> 00:04:21,600
شتاب gpu استفاده
158
00:04:21,600 –> 00:04:23,680
کنید، می توانید این کار را انجام دهید، اما دوباره
159
00:04:23,680 –> 00:04:25,040
برای این آموزش نیازی به این کار نیست، بنابراین چیز خوبی
160
00:04:25,040 –> 00:04:26,720
در مورد این است که شما نیازی به gpu
161
00:04:26,720 –> 00:04:28,000
ندارید، ما فقط آن را روی دستگاه خود اجرا می کنیم
162
00:04:28,000 –> 00:04:29,919
، بنابراین کاملاً خوب است،
163
00:04:29,919 –> 00:04:31,759
164
00:04:31,759 –> 00:04:34,160
اگر می خواهید آن را روی cpu اجرا کنید، به شما نشان خواهم داد که کجا باید پرچم gpu را برابر false قرار دهید.
165
00:04:34,160 –> 00:04:35,600
کاری که ما میخواهیم انجام دهیم این است که
166
00:04:35,600 –> 00:04:37,600
ویندوز پیپ پایتون را انتخاب کنیم و سپس من
167
00:04:37,600 –> 00:04:39,199
cuda 11 را روی دستگاه خود دارم،
168
00:04:39,199 –> 00:04:41,280
بنابراین کاری که میتوانید انجام دهید این است که طبق معمول این خط را
169
00:04:41,280 –> 00:04:43,840
اینجا
170
00:04:43,840 –> 00:04:45,280
و دوباره کپی کنید، همه این کدها در
171
00:04:45,280 –> 00:04:48,000
دسترس خواهند بود
172
00:04:49,520 –> 00:04:51,440
و دوباره طبق معمول معمولاً همه این کدها
173
00:04:51,440 –> 00:04:53,199
توسط github در دسترس خواهند بود متأسفم
174
00:04:53,199 –> 00:04:54,880
من کمی زبان به آنجا بستم
175
00:04:54,880 –> 00:04:56,560
بنابراین کاری که می خواهیم انجام دهیم این است که کپی کنیم این
176
00:04:56,560 –> 00:04:58,639
را تمام کنید
177
00:04:58,639 –> 00:05:01,600
و به دفترچه ما برگردید و من فقط
178
00:05:01,600 –> 00:05:02,080
179
00:05:02,080 –> 00:05:03,759
علامت تعجب می گذارم و سپس آن
180
00:05:03,759 –> 00:05:05,919
خط را می چسبانم و سپس
181
00:05:05,919 –> 00:05:08,320
3 بعد از pip3 را حذف می کنم بنابراین من به 3 نیاز ندارم
182
00:05:08,320 –> 00:05:10,160
و فقط به pip نیاز دارم.
183
00:05:10,160 –> 00:05:11,759
ما رفتیم و انجام دادیم
184
00:05:11,759 –> 00:05:13,840
تنظیماتی را که برای مشعل پای خود در سورس نیاز داریم انتخاب می کنیم
185
00:05:13,840 –> 00:05:16,000
یا رمزگذار پایتون ویندوز پیپ
186
00:05:16,000 –> 00:05:18,479
آن را در نوت بوک خود جای می دهیم
187
00:05:18,479 –> 00:05:20,000
و سپس می توانیم اجرا کنیم که فکر می
188
00:05:20,000 –> 00:05:21,520
کنم قبلاً آن را
189
00:05:21,520 –> 00:05:22,720
در این محیط نصب کرده ام. یک
190
00:05:22,720 –> 00:05:24,080
محیطی به نام فرم gram در آنجا دارید،
191
00:05:24,080 –> 00:05:24,560
بنابراین
192
00:05:24,560 –> 00:05:26,800
خیلی سریع نصب کنید، بنابراین در این مورد
193
00:05:26,800 –> 00:05:28,800
که اکنون نصب شده است، پس از اتمام این
194
00:05:28,800 –> 00:05:29,280
کار
195
00:05:29,280 –> 00:05:31,360
، وابستگی اصلی شما نصب شده است
196
00:05:31,360 –> 00:05:32,479
، کار بعدی که ما باید انجام دهیم این
197
00:05:32,479 –> 00:05:34,639
است که ادامه دهیم و در واقع
198
00:05:34,639 –> 00:05:36,080
gram format را نصب کنیم. این مشعل پی است
199
00:05:36,080 –> 00:05:37,919
اکنون ما میخواهیم فرم گرام را نصب کنیم،
200
00:05:37,919 –> 00:05:40,160
بنابراین برای انجام این کار فقط باید
201
00:05:40,160 –> 00:05:41,680
به این مخزن github بروید، بنابراین
202
00:05:41,680 –> 00:05:43,120
203
00:05:43,120 –> 00:05:45,360
برای این نام کاربری github.com یک فرم گرام اسلش رو به جلو است،
204
00:05:45,360 –> 00:05:46,800
من نمیخواهم آن را تلفظ کنم
205
00:05:46,800 –> 00:05:47,840
زیرا i’ احتمالاً
206
00:05:47,840 –> 00:05:49,919
آن را نابود خواهد کرد اما این مرد رفته است و
207
00:05:49,919 –> 00:05:52,000
یک مخزن github عالی ایجاد کرده یا به اشتراک گذاشته است
208
00:05:52,000 –> 00:05:52,880
209
00:05:52,880 –> 00:05:55,520
که به شما امکان می دهد از فرمت gram استفاده کنید و
210
00:05:55,520 –> 00:05:57,039
دوباره این پیوند را در توضیحات زیر در دسترس قرار خواهم داد،
211
00:05:57,039 –> 00:05:58,960
بنابراین دوباره
212
00:05:58,960 –> 00:06:00,720
آن را بررسی کنید بسیار جالب است،
213
00:06:00,720 –> 00:06:02,400
بنابراین کاری که ما می خواهیم انجام دهیم این است که
214
00:06:02,400 –> 00:06:03,680
به بخش نصب
215
00:06:03,680 –> 00:06:05,840
که در اینجا به پایان رسیده است، ما فقط می خواهیم
216
00:06:05,840 –> 00:06:07,520
این دستور
217
00:06:07,520 –> 00:06:10,400
را کپی کنیم تا پیپ نصب git به اضافه https
218
00:06:10,400 –> 00:06:12,160
و نام مخزن github باشد، بنابراین
219
00:06:12,160 –> 00:06:13,039
در واقع بیایید امتحان
220
00:06:13,039 –> 00:06:16,639
کنیم تا prithi viraj demodaran در
221
00:06:16,639 –> 00:06:19,199
آنجا باشد شما بروید در نظرات زیر به من اطلاع دهید
222
00:06:19,199 –> 00:06:20,720
اگر من در واقع
223
00:06:20,720 –> 00:06:21,759
همه چیز را به درستی انجام دادیم، بنابراین کاری که ما می خواهیم انجام دهیم این است که
224
00:06:21,759 –> 00:06:23,680
این مخزن github را کپی کنیم و سپس
225
00:06:23,680 –> 00:06:24,080
226
00:06:24,080 –> 00:06:25,919
علامت تعجب را در
227
00:06:25,919 –> 00:06:28,160
آنجا قرار دهیم و آن را اجرا کنیم تا ادامه پیدا کند
228
00:06:28,160 –> 00:06:30,720
و فرمت gram را نصب کنیم،
229
00:06:30,720 –> 00:06:33,120
بنابراین تمام دوباره نصب شد که
230
00:06:33,120 –> 00:06:34,960
خیلی سریع اجرا شد تا بروم و آن را نصب کنم،
231
00:06:34,960 –> 00:06:36,160
زیرا فکر می کنم قبلاً آن
232
00:06:36,160 –> 00:06:37,759
را در این محیط نصب کرده ام،
233
00:06:37,759 –> 00:06:40,240
بنابراین اکنون باید خوب
234
00:06:40,240 –> 00:06:41,919
باشیم تا برویم و آن را وارد کنیم، پس
235
00:06:41,919 –> 00:06:46,000
بیایید ادامه دهیم و gram را وارد کنیم برای خیلی
236
00:06:47,280 –> 00:06:49,280
خوب است که فرمول گراهام وارد شده است، بنابراین
237
00:06:49,280 –> 00:06:51,039
من فقط یک خط کد را در آنجا نوشتم،
238
00:06:51,039 –> 00:06:54,080
بنابراین از فرمت gram
239
00:06:54,080 –> 00:06:56,160
در فرمت gram وارد کردن حروف کوچک با حروف بزرگ، بنابراین
240
00:06:56,160 –> 00:06:57,840
این کلاس فرمول gram ما را وارد می کند
241
00:06:57,840 –> 00:06:58,479
242
00:06:58,479 –> 00:07:01,120
و این واقعاً مرحله اول است، بنابراین
243
00:07:01,120 –> 00:07:02,720
ما را نصب و وارد کنید وابستگی
244
00:07:02,720 –> 00:07:04,240
نسبتاً ساده برای راهاندازی و
245
00:07:04,240 –> 00:07:05,599
اجرا کردن با این اکنون کار بعدی
246
00:07:05,599 –> 00:07:07,199
که باید انجام دهیم این است که
247
00:07:07,199 –> 00:07:08,639
به مرحله شماره دو برویم، بیایید در واقع
248
00:07:08,639 –> 00:07:10,240
چند سلول اضافی اضافه
249
00:07:10,240 –> 00:07:12,080
کنیم تا خواندن آن کمی آسانتر شود،
250
00:07:12,080 –> 00:07:13,840
فقط باید گرم را نمونهسازی کنیم. فرمول،
251
00:07:13,840 –> 00:07:15,120
بنابراین ما فقط می خواهیم یک
252
00:07:15,120 –> 00:07:17,120
نمونه جدید از کلاس قبلی gram خود ایجاد کنیم که به
253
00:07:17,120 –> 00:07:18,960
تازگی وارد شده است، بنابراین بیایید این کار را انجام دهیم اشکالی
254
00:07:18,960 –> 00:07:21,120
255
00:07:25,280 –> 00:07:28,800
ندارد که نمونه فرمت gram ما
256
00:07:28,800 –> 00:07:31,199
اکنون ایجاد شده است، بنابراین برای انجام آن
257
00:07:31,199 –> 00:07:32,319
من gf را
258
00:07:32,319 –> 00:07:34,560
برابر با gram سابق نوشتم با حروف بزرگ به یاد داشته باشید
259
00:07:34,560 –> 00:07:36,319
که ما فقط از این کلاس گرم قبلی استفاده
260
00:07:36,319 –> 00:07:37,440
می کنیم که از اینجا بالا داشتیم
261
00:07:37,440 –> 00:07:38,800
و سپس دو پارامتر کلمه کلیدی را ارسال می کنم
262
00:07:38,800 –> 00:07:40,639
بنابراین به طور خاص مدل ها
263
00:07:40,639 –> 00:07:43,360
برابر با سه هستند و از underscore gpu
264
00:07:43,360 –> 00:07:44,560
برابر است با true
265
00:07:44,560 –> 00:07:46,639
حالا بیایید صحبت کنیم کمی در مورد این
266
00:07:46,639 –> 00:07:48,160
پارامترها، بنابراین
267
00:07:48,160 –> 00:07:50,479
جزء مدل ها اساساً به این اشاره دارد
268
00:07:50,479 –> 00:07:51,919
که کدام مدل ها واقعاً
269
00:07:51,919 –> 00:07:53,280
در محیط بارگذاری می شوند
270
00:07:53,280 –> 00:07:55,120
، بنابراین در حال
271
00:07:55,120 –> 00:07:56,800
حاضر فقط یک مدل موجود است
272
00:07:56,800 –> 00:07:58,319
که مدل تصحیح خطا است،
273
00:07:58,319 –> 00:08:00,400
اما بعداً آن سه مدل در
274
00:08:00,400 –> 00:08:01,680
دسترس خواهند بود. بنابراین
275
00:08:01,680 –> 00:08:03,840
جایی در مستندات بود
276
00:08:03,840 –> 00:08:05,840
277
00:08:05,840 –> 00:08:09,360
که داشتم آن را می خواندم شاید مشکلی نباشد،
278
00:08:09,360 –> 00:08:11,680
بنابراین با استفاده از مدل های برابر با صفر،
279
00:08:11,680 –> 00:08:13,440
بارگذاری در
280
00:08:13,440 –> 00:08:15,520
مدل های آشکارساز برابر با یک است، اجازه دهید
281
00:08:15,520 –> 00:08:16,960
آن را کمی بزرگتر کنم،
282
00:08:16,960 –> 00:08:19,039
بنابراین اگر اگر مدلها را بارگذاری کردهاید برابر با صفر است
283
00:08:19,039 –> 00:08:20,879
، اگر
284
00:08:20,879 –> 00:08:22,560
مدلها را بارگذاری کردهاید برابر با یک است، در برجستهکننده بارگذاری میکنید
285
00:08:22,560 –> 00:08:24,240
و اگر مدلهای بارگذاری شده
286
00:08:24,240 –> 00:08:25,120
برابر با دو باشد
287
00:08:25,120 –> 00:08:27,120
، فقط اگر از شماره سه عبور کنید، در اصلاحگر
288
00:08:27,120 –> 00:08:28,319
289
00:08:28,319 –> 00:08:29,599
بارگیری میکنید، در همه موارد لود میشوید.
290
00:08:29,599 –> 00:08:31,680
اکنون در این مورد،
291
00:08:31,680 –> 00:08:33,039
آشکارساز و
292
00:08:33,039 –> 00:08:34,799
هایلایتر در حال حاضر در دسترس
293
00:08:34,799 –> 00:08:36,159
نیستند، اما در نهایت در دسترس خواهند بود،
294
00:08:36,159 –> 00:08:37,839
بنابراین من فقط پیش رفتم و
295
00:08:37,839 –> 00:08:39,599
با بارگذاری در همه آنها از قبل با آن روبرو شدم.
296
00:08:39,599 –> 00:08:40,799
پارامتر دومی که ما
297
00:08:40,799 –> 00:08:41,440
از آن عبور دادیم استفاده از
298
00:08:41,440 –> 00:08:42,958
gpu برابر با سه است در واقع اجازه دهید این را
299
00:08:42,958 –> 00:08:44,880
یادداشت کنیم بنابراین صفر
300
00:08:44,880 –> 00:08:48,480
برابر با برجستهکننده بود
301
00:08:48,480 –> 00:08:51,839
یک برابر آشکارساز
302
00:08:51,839 –> 00:08:55,279
دو برابر اصلاحکننده
303
00:08:55,279 –> 00:08:59,519
و سه برابر است
304
00:08:59,839 –> 00:09:02,080
همه خوب و خوب و پارامتر دومی
305
00:09:02,080 –> 00:09:03,760
که از آن عبور میکند استفاده است. gpu برابر با
306
00:09:03,760 –> 00:09:05,680
true است، بنابراین اگر شما یک gpu در دستگاه خود دارید
307
00:09:05,680 –> 00:09:07,760
، به طور خاص یک nvidia gpu
308
00:09:07,760 –> 00:09:09,600
اگر با ویندوز کار می کنید یا یک amd
309
00:09:09,600 –> 00:09:11,200
gpu اگر روی لینوکس کار می کنید،
310
00:09:11,200 –> 00:09:13,279
می توانید از پرچم استفاده شده gpu
311
00:09:13,279 –> 00:09:16,640
به true عبور کنید اما دوباره حیاتی نیست
312
00:09:16,640 –> 00:09:18,080
و سپس و اگر این را روی colab اجرا
313
00:09:18,080 –> 00:09:19,600
می کنید، باید بتوانید از
314
00:09:19,600 –> 00:09:21,279
طریق استفاده از gpu برابر true نیز عبور کنید که
315
00:09:21,279 –> 00:09:23,120
باید کار کند
316
00:09:23,120 –> 00:09:24,959
و سپس کار بعدی انجام شود، بنابراین واقعاً
317
00:09:24,959 –> 00:09:26,560
مرحله دو در حال حاضر انجام شده است، بنابراین ما اکنون رفته ایم و
318
00:09:26,560 –> 00:09:28,800
نمونه سازی خود را انجام داده ایم. مدل قبلی گرم، بنابراین
319
00:09:28,800 –> 00:09:29,920
دوباره این یکی واقعاً
320
00:09:29,920 –> 00:09:31,200
ساده است، بنابراین کار بعدی که
321
00:09:31,200 –> 00:09:32,880
میتوانیم انجام دهیم این است که در واقع ادامه دهیم و
322
00:09:32,880 –> 00:09:34,320
برخی جملات را تصحیح
323
00:09:34,320 –> 00:09:36,320
کنیم، بنابراین ما اکنون به مرحله سوم اصلاح اجرا هستیم،
324
00:09:36,320 –> 00:09:38,959
بنابراین بیایید آن را امتحان کنیم،
325
00:09:38,959 –> 00:09:40,399
بنابراین تمام کاری که شما باید انجام دهید n برای
326
00:09:40,399 –> 00:09:42,600
اجرای تصحیح در واقع فقط
327
00:09:42,600 –> 00:09:45,040
gf.correct را تایپ کنید، بنابراین این در حال دسترسی به
328
00:09:45,040 –> 00:09:46,800
کلاس صحیح از فرمت gram است،
329
00:09:46,800 –> 00:09:49,040
اکنون دستهای از کلاسهای دیگر
330
00:09:49,040 –> 00:09:50,480
نیز موجود است، بنابراین اگر
331
00:09:50,480 –> 00:09:53,120
نقطه gf را تایپ کرده و تب را بزنید، میتوانید ببینید که
332
00:09:53,120 –> 00:09:54,640
شما دارای تشخیص و شما
333
00:09:54,640 –> 00:09:56,000
برجسته شده است، بنابراین حدس میزنم زمانی
334
00:09:56,000 –> 00:09:57,279
که آن مدلهای دیگر واقعاً رفتند
335
00:09:57,279 –> 00:09:58,560
و تنظیم شدند،
336
00:09:58,560 –> 00:10:00,480
آن دو عملکرد در دسترس خواهند بود،
337
00:10:00,480 –> 00:10:02,320
بنابراین شناسایی و برجسته کنید، اما
338
00:10:02,320 –> 00:10:03,839
در حال حاضر به نظر نمیرسد آنها در
339
00:10:03,839 –> 00:10:05,200
حال اجرا هستند زیرا هنوز یک کار در
340
00:10:05,200 –> 00:10:05,920
حال انجام است،
341
00:10:05,920 –> 00:10:07,120
اما به هر حال میخواستم این را با شما به اشتراک بگذارم
342
00:10:07,120 –> 00:10:08,640
زیرا فکر میکنم این یک
343
00:10:08,640 –> 00:10:10,640
کتابخانه فوقالعاده است و خالق شایسته
344
00:10:10,640 –> 00:10:12,079
تمام اعتباری است که رفته است و
345
00:10:12,079 –> 00:10:13,680
برای انجام این
346
00:10:13,680 –> 00:10:15,600
کار زحمت زیادی کشیده است. gf.correct و سپس میتوانیم
347
00:10:15,600 –> 00:10:17,440
از جملهای عبور کنیم که گرامر بدی دارد،
348
00:10:17,440 –> 00:10:18,720
بنابراین بیایید در واقع برویم
349
00:10:18,720 –> 00:10:21,680
و یک جمله بنویسیم، بنابراین مثلاً بگوییم
350
00:10:21,680 –> 00:10:23,440
351
00:10:23,440 –> 00:10:26,480
من
352
00:10:26,480 –> 00:10:32,079
سگهای زیادی در خانه دارم،
353
00:10:32,079 –> 00:10:33,440
خوب شما بروید، بنابراین در واقع از بین رفته است
354
00:10:33,440 –> 00:10:34,480
و دستور زبان را در آن اصلاح کردهاید.
355
00:10:34,480 –> 00:10:35,440
مورد خاص بنابراین
356
00:10:35,440 –> 00:10:37,440
من t با گفتن این که من
357
00:10:37,440 –> 00:10:39,360
سگ های زیادی در خانه دارم ام، بنابراین می توانید ببینید که در
358
00:10:39,360 –> 00:10:40,560
حال حاضر دستور زبان آنها را بهبود می بخشد، به
359
00:10:40,560 –> 00:10:41,279
جای اینکه
360
00:10:41,279 –> 00:10:43,120
بگوییم بیایید در واقع روی آن بزرگنمایی کنیم، به
361
00:10:43,120 –> 00:10:44,959
جای اینکه بگوییم من سگ های زیادی در
362
00:10:44,959 –> 00:10:46,000
خانه دارم، باید ببینید که من
363
00:10:46,000 –> 00:10:47,519
سگ های زیادی در خانه دارم. home و این
364
00:10:47,519 –> 00:10:49,040
دقیقاً همان چیزی است که مدل ما در
365
00:10:49,040 –> 00:10:51,120
ازای آن تغییر کرده است، بنابراین اگر دوباره این را تغییر
366
00:10:51,120 –> 00:10:55,600
دهیم، به عنوان مثال بگوییم که اسم
367
00:10:56,000 –> 00:10:58,160
من نیک اسم من چقدر جالب است، بنابراین در
368
00:10:58,160 –> 00:11:00,480
واقع دارد و دستور زبان را تغییر میدهد
369
00:11:00,480 –> 00:11:02,000
و در واقع قالببندی واقعی را بهبود
370
00:11:02,000 –> 00:11:04,880
میبخشد.
371
00:11:04,880 –> 00:11:08,160
باتری دوربین
372
00:11:08,160 –> 00:11:12,399
تمام شده است باتری دو