public final class NonuniformTrainingEpochs<
Samples: Collection,
Entropy: RandomNumberGenerator
>: Sequence, IteratorProtocol
Una secuencia infinita de colecciones de lotes de muestras adecuadas para entrenar un DNN cuando las muestras no tienen un tamaño uniforme.
Los lotes de cada época:
- todos tienen exactamente el mismo número de muestras.
- se forman a partir de muestras de tamaño similar.
- Comience con un lote cuyo tamaño máximo de muestra sea el tamaño máximo de todas las muestras utilizadas en la época.
Crea un dibujo muestras de ejemplo
samples
en lotes de tamañobatchSize
.Declaración
Parámetros
entropy
una fuente de aleatoriedad utilizada para mezclar el orden de las muestras. Se almacena en
self
, por lo que si es solamente pseudoaleatorios y tiene la semántica de valor, la secuencia de las épocas es determinstic y no depende de otras operaciones.batchesPerSort
el número de lotes a través de la cual la muestra tamaños de grupo de manera similar, o
nil
para indicar que la aplicación debe elegir un número. Elegir demasiado alto puede destruir los efectos de la mezcla de muestras en muchos esquemas de entrenamiento, lo que da lugar a resultados deficientes. Elegir demasiado bajo reducirá la similitud de tamaños en un lote determinado, lo que conducirá a la ineficiencia.areInAscendingSizeOrder
un predicado que los rendimientos
true
si y sólo si el tamaño de la primera parámetro es menor que la de la segunda.Devuelve la siguiente época en secuencia.
Declaración
public func next() -> Element?
Crea un dibujo muestras de ejemplo
samples
en lotes de tamañobatchSize
.Declaración
Parámetros
batchesPerSort
el número de lotes a través de la cual la muestra tamaños de grupo de manera similar, o
nil
para indicar que la aplicación debe elegir un número. Elegir demasiado alto puede destruir los efectos de la mezcla de muestras en muchos esquemas de entrenamiento, lo que da lugar a resultados deficientes. Elegir demasiado bajo reducirá la similitud de tamaños en un lote determinado, lo que conducirá a la ineficiencia.areInAscendingSizeOrder
un predicado que los rendimientos
true
si y sólo si el tamaño de la primera parámetro es menor que la de la segunda.