در این مطلب، ویدئو پرلین نویز در پایتون بازبینی شد 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: 00:06:51
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,080 –> 00:00:02,320
سلام به همه، مدتها پیش
2
00:00:02,320 –> 00:00:04,319
ویدیویی در مورد تولید نویز موازی 1 بعدی
3
00:00:04,319 –> 00:00:06,319
با پایتون ساختم که یکی از
4
00:00:06,319 –> 00:00:08,160
محبوب ترین ویدیوهای من شد و من واقعاً از این موضوع خوشحال
5
00:00:08,160 –> 00:00:10,160
بودم، اما بعد از آن یک روز داشتم
6
00:00:10,160 –> 00:00:12,000
یک ویدیوی سباستین با تاخیر در
7
00:00:12,000 –> 00:00:14,559
تولید انبوه خط رویه ای را تماشا می کردم. داشتم
8
00:00:14,559 –> 00:00:15,920
نگاه میکردم، چیزی شنیدم که
9
00:00:15,920 –> 00:00:17,359
مرا غافلگیر کرد،
10
00:00:17,359 –> 00:00:19,279
اوه، نکتهای که با شناور سر و صدای لهستان باید به آن توجه کنم
11
00:00:19,279 –> 00:00:20,960
این است که در مختصات یکپارچه،
12
00:00:20,960 –> 00:00:22,720
ما همیشه
13
00:00:22,720 –> 00:00:25,279
همان مقدار را دریافت میکنیم، این مشکلی ایجاد نمیکند،
14
00:00:25,279 –> 00:00:27,039
اما خوب است فقط برای اینکه
15
00:00:27,039 –> 00:00:29,599
از آن آگاه باشم، ظاهراً نویز موازی
16
00:00:29,599 –> 00:00:31,519
باید در فواصل زمانی خاص صفر ارزیابی شود، با
17
00:00:31,519 –> 00:00:33,680
نگاه کردن به نتایج
18
00:00:33,680 –> 00:00:35,520
کد من متوجه شدم که اینطور نیست و
19
00:00:35,520 –> 00:00:37,200
به این معنی است که
20
00:00:37,200 –> 00:00:39,120
الگوریتم تولید نویز که من پیادهسازی کرده بودم،
21
00:00:39,120 –> 00:00:41,200
در واقع نویز proline نیست
22
00:00:41,200 –> 00:00:43,280
. بدترین بخش این است که ویدیوی من
23
00:00:43,280 –> 00:00:45,120
برای جستجوهای گوگل
24
00:00:45,120 –> 00:00:47,280
مربوط به حرفه ای و نویز در پایتون رتبه بسیار بالایی
25
00:00:47,280 –> 00:00:48,719
دارد و بنابراین افراد زیادی بودند که
26
00:00:48,719 –> 00:00:50,640
احتمالاً آن ویدیو را تماشا کردند و
27
00:00:50,640 –> 00:00:53,039
در واقع از کد من استفاده کردند. در
28
00:00:53,039 –> 00:00:55,039
این کانال مشترک شدهاید و در زندگی واقعی من را نمیشناسید،
29
00:00:55,039 –> 00:00:56,800
30
00:00:56,800 –> 00:00:58,399
31
00:00:58,399 –> 00:01:00,640
اگر شما یکی از افرادی هستید که از کد من استفاده میکنند، شانس بسیار
32
00:01:00,640 –> 00:01:02,399
خوبی وجود دارد که کانال من
33
00:01:02,399 –> 00:01:04,400
را از طریق آن ویدیو پیدا کنید. با عرض پوزش بابت اشتباه، من
34
00:01:04,400 –> 00:01:06,320
بسیار مشتاق بودم که ماژول خود را به اشتراک بگذارم و فکر
35
00:01:06,320 –> 00:01:08,479
می کردم که برای سایر برنامه نویسان مفید است،
36
00:01:08,479 –> 00:01:10,320
اما به وضوح از خودم جلو زدم و
37
00:01:10,320 –> 00:01:12,400
باید دقت را دوباره بررسی می
38
00:01:12,400 –> 00:01:14,080
کردم، ویدیو را از لیست خارج کردم تا هیچ کس
39
00:01:14,080 –> 00:01:16,400
دیگری گمراه نشود. این ویدیو من میخواهم
40
00:01:16,400 –> 00:01:17,759
دو کار را انجام دهم،
41
00:01:17,759 –> 00:01:19,280
ابتدا میخواهم اجرای صحیح را
42
00:01:19,280 –> 00:01:21,200
با توضیح نحوه عملکرد کد جدیدم نشان دهم،
43
00:01:21,200 –> 00:01:23,759
اما برخی از شما
44
00:01:23,759 –> 00:01:25,520
در این مرحله حاضر به اعتماد به من نخواهید بود
45
00:01:25,520 –> 00:01:27,520
که قابل درک است، بنابراین دومین
46
00:01:27,520 –> 00:01:29,280
کاری که میخواهم انجام دهم این است که نشان دهم شما یک
47
00:01:29,280 –> 00:01:31,920
ماژول prolon جدید که در pipe.org منتشر شده است که
48
00:01:31,920 –> 00:01:33,759
هر کسی میتواند فوراً پیپ نصب و استفاده
49
00:01:33,759 –> 00:01:35,840
کند، اگر به
50
00:01:35,840 –> 00:01:38,000
جزئیات الگوریتم اهمیتی نمیدهید، از قبل به این
51
00:01:38,000 –> 00:01:40,400
مهر زمان بپرید، اما اگر به تماشای آن ادامه دهید
52
00:01:40,400 –> 00:01:42,399
تا بیشتر بدانید، کد جدیدی که من
53
00:01:42,399 –> 00:01:44,799
ایجاد کردم به روز رسانی در github بنابراین
54
00:01:44,799 –> 00:01:46,240
میتوانید لینک موجود در توضیحات را بررسی کرده
55
00:01:46,240 –> 00:01:49,200
و آن را دانلود کنید، بیایید وارد آن شویم،
56
00:01:49,200 –> 00:01:51,439
بنابراین هدف از تولید نویز
57
00:01:51,439 –> 00:01:53,360
پرلین، تولید نسخهای
58
00:01:53,360 –> 00:01:55,200
از نویز تصادفی است که به این معنی است که
59
00:01:55,200 –> 00:01:57,200
مقدار در یک نقطه خاص باید بسیار
60
00:01:57,200 –> 00:01:59,520
نزدیک به مقادیر همسایه باشد. برای شروع
61
00:01:59,520 –> 00:02:01,759
، هر ورودی عدد صحیح را به یک مقدار تصادفی اختصاص می دهیم
62
00:02:01,759 –> 00:02:03,520
و سپس
63
00:02:03,520 –> 00:02:05,520
مقادیر بین آنها را بر اساس آن مقادیر اولیه تعیین می
64
00:02:05,520 –> 00:02:06,479
65
00:02:06,479 –> 00:02:08,080
کنیم، فرض کنید که من می خواهم
66
00:02:08,080 –> 00:02:11,520
مقدار x برابر با 1.3 بدست بیاورم که بین 1 و 2 است
67
00:02:11,520 –> 00:02:13,360
که هر دو با یک مرتبط هستند.
68
00:02:13,360 –> 00:02:16,239
میتوانیم سعی کنیم مقدار تصادفی را به صورت
69
00:02:16,239 –> 00:02:18,400
خطی بین این دو قرار دهیم تا
70
00:02:18,400 –> 00:02:21,520
مقدار را در 1.3 ورودی نزدیکتر به یک پیدا کنیم،
71
00:02:21,520 –> 00:02:23,760
خروجیهایی به مقدار سمت چپ نزدیکتر میشود
72
00:02:23,760 –> 00:02:25,760
و هرچه از
73
00:02:25,760 –> 00:02:27,760
یکی جلوتر میرویم، خروجی به طور متناسب
74
00:02:27,760 –> 00:02:29,920
به سمت راست نزدیکتر میشود. با
75
00:02:29,920 –> 00:02:31,840
این حال، گوشه ای
76
00:02:31,840 –> 00:02:34,239
بین فواصل ایجاد می شود که بدیهی
77
00:02:34,239 –> 00:02:37,200
است در نویز صاف مطلوب نیست، بنابراین برای رفع
78
00:02:37,200 –> 00:02:39,200
آن، مقدار درون یابی را
79
00:02:39,200 –> 00:02:41,440
با استفاده از یک تنظیم می کنیم. تابع ease این
80
00:02:41,440 –> 00:02:42,879
تابع ease خاص دارای
81
00:02:42,879 –> 00:02:45,440
مشتق صفر در x برابر با صفر و x
82
00:02:45,440 –> 00:02:48,239
برابر با یک است، این ویژگی بسیار مفید است
83
00:02:48,239 –> 00:02:50,160
زیرا منحنی را در
84
00:02:50,160 –> 00:02:52,640
ورودی های اعداد صحیح در آخرین ویدیوی نویز
85
00:02:52,640 –> 00:02:54,400
86
00:02:54,400 –> 00:02:56,800
پرولاین صاف می کند.
87
00:02:56,800 –> 00:02:58,239
قسمتی که در آن بهم ریخته بودم
88
00:02:58,239 –> 00:03:00,239
توضیح می داد که چگونه مقادیر مختصات انتگرال
89
00:03:00,239 –> 00:03:02,560
در ابتدا تعیین می شوند، من
90
00:03:02,560 –> 00:03:04,640
فقط آنها را روی مقادیر ثابت قرار دادم، اما به
91
00:03:04,640 –> 00:03:06,720
نظر می رسد که
92
00:03:06,720 –> 00:03:08,560
روشی که در واقع انجام می شود این است که
93
00:03:08,560 –> 00:03:10,720
ابتدا به طور تصادفی یک بردار گرادیان یک بعدی اختصاص می دهیم.
94
00:03:10,720 –> 00:03:13,120
به هر عدد صحیح که
95
00:03:13,120 –> 00:03:14,640
اساساً یک مقدار تصادفی بین
96
00:03:14,640 –> 00:03:16,319
منفی یک و یک است،
97
00:03:16,319 –> 00:03:18,640
سپس برای یک نقطه معین، بردارهای فاصله را شناسایی کردیم
98
00:03:18,640 –> 00:03:20,560
که از یک
99
00:03:20,560 –> 00:03:22,640
طرف بازه شروع می شود و به نقطه ورودی ختم
100
00:03:22,640 –> 00:03:24,640
می شود که همچنین به عنوان یک بردار 1 بعدی
101
00:03:24,640 –> 00:03:27,200
برای بدست آوردن نتیجه نهایی به دست می آید. مقادیری که برای
102
00:03:27,200 –> 00:03:29,440
درون یابی استفاده می شوند، حاصل ضرب نقطه ای
103
00:03:29,440 –> 00:03:30,799
بین گرادیان ها و
104
00:03:30,799 –> 0