public final class NonuniformTrainingEpochs<
Samples: Collection,
Entropy: RandomNumberGenerator
>: Sequence, IteratorProtocol
Бесконечная последовательность наборов пакетов образцов, подходящая для обучения DNN, когда образцы не имеют одинакового размера.
Партии в каждой эпохе:
- все имеют одинаковое количество образцов.
- формируются из образцов одинакового размера.
- начните с партии, максимальный размер выборки которой равен максимальному размеру всех выборок, использованных в эпоху.
Создает экземпляр, рисующий образцы из
samples
в партии размеромbatchSize
.Декларация
Параметры
entropy
источник случайности, используемый для перемешивания порядка выборки. Оно будет храниться в
self
, поэтому, если оно только псевдослучайное и имеет семантику значений, последовательность эпох является детерминированной и не зависит от других операций.batchesPerSort
количество партий, по которым можно одинаково сгруппировать размеры выборок, или
nil
, чтобы указать, что реализация должна выбрать число. Выбор слишком высокого значения может разрушить эффект перетасовки выборки во многих схемах обучения, что приведет к плохим результатам. Выбор слишком низкого значения приведет к уменьшению сходства размеров в данной партии, что приведет к неэффективности.areInAscendingSizeOrder
предикат, который возвращает
true
тогда и только тогда, когда размер первого параметра меньше размера второго.Возвращает следующую эпоху по порядку.
Декларация
public func next() -> Element?
Создает экземпляр, рисующий образцы из
samples
в партии размеромbatchSize
.Декларация
Параметры
batchesPerSort
количество партий, по которым можно одинаково сгруппировать размеры выборок, или
nil
, чтобы указать, что реализация должна выбрать число. Выбор слишком высокого значения может разрушить эффект перетасовки выборки во многих схемах обучения, что приведет к плохим результатам. Выбор слишком низкого значения приведет к уменьшению сходства размеров в данной партии, что приведет к неэффективности.areInAscendingSizeOrder
предикат, который возвращает
true
тогда и только тогда, когда размер первого параметра меньше размера второго.