ยุคการฝึกอบรมที่ไม่สม่ำเสมอ

public final class NonuniformTrainingEpochs<
  Samples: Collection,
  Entropy: RandomNumberGenerator
>: Sequence, IteratorProtocol

ลำดับการรวบรวมชุดตัวอย่างที่ไม่สิ้นสุดซึ่งเหมาะสำหรับการฝึกอบรม DNN เมื่อตัวอย่างมีขนาดไม่เท่ากัน

แบทช์ในแต่ละยุค:

• ทั้งหมดมีจำนวนตัวอย่างเท่ากันทุกประการ
• เกิดจากตัวอย่างที่มีขนาดใกล้เคียงกัน
• เริ่มต้นด้วยแบทช์ที่มีขนาดตัวอย่างสูงสุดคือขนาดสูงสุดเหนือตัวอย่างทั้งหมดที่ใช้ในยุคนั้น

• init (ตัวอย่าง:batchSize:เอนโทรปี:batchesPerSort:areInAscendingSizeOrder:)
  สร้างตัวอย่างการวาดอินสแตนซ์จาก samples เป็นแบทช์ขนาด batchSize

  คำประกาศ

  public init(
    samples: Samples,
    batchSize: Int,
    entropy: Entropy,
    batchesPerSort: Int? = nil,
    areInAscendingSizeOrder:
      @escaping (Samples.Element, Samples.Element) -> Bool
  )

  พารามิเตอร์

  entropy	แหล่งที่มาของการสุ่มที่ใช้ในการสุ่มลำดับตัวอย่าง มันจะถูกเก็บไว้ใน self ดังนั้นหากเป็นเพียงการสุ่มเทียมและมีความหมายเชิงคุณค่า ลำดับของยุคจะถูกกำหนดและไม่ขึ้นอยู่กับการดำเนินการอื่น
  batchesPerSort	จำนวนชุดที่จะจัดกลุ่มขนาดตัวอย่างใกล้เคียงกัน หรือ nil เพื่อบ่งชี้ว่าการใช้งานควรเลือกตัวเลข การเลือกสูงเกินไปอาจทำลายผลกระทบของการสับตัวอย่างในหลายแผนการฝึกอบรม ส่งผลให้ผลลัพธ์ไม่ดี การเลือกต่ำเกินไปจะลดความคล้ายคลึงกันของขนาดในชุดที่กำหนด นำไปสู่ความไร้ประสิทธิภาพ
  areInAscendingSizeOrder	เพรดิเคตที่คืน true หากขนาดของพารามิเตอร์ตัวแรกน้อยกว่าพารามิเตอร์ตัวที่สอง

• องค์ประกอบ
  ประเภทของแต่ละยุคสมัย เป็นกลุ่มตัวอย่าง

  คำประกาศ

  public typealias Element = Slices<
    Sampling<Samples, Array<Samples.Index>.SubSequence>
  >

• ต่อไป()
  ส่งกลับยุคถัดไปตามลำดับ

  คำประกาศ

  public func next() -> Element?

พร้อมใช้งานโดยที่ `Entropy` == `SystemRandomNumberGenerator`

• init(ตัวอย่าง:batchSize:batchesPerSort:areInAscendingSizeOrder:)
  สร้างตัวอย่างการวาดอินสแตนซ์จาก samples เป็นแบทช์ขนาด batchSize

  คำประกาศ

  public convenience init(
    samples: Samples,
    batchSize: Int,
    batchesPerSort: Int? = nil,
    areInAscendingSizeOrder:
      @escaping (Samples.Element, Samples.Element) -> Bool
  )

  พารามิเตอร์

  batchesPerSort	จำนวนชุดที่จะจัดกลุ่มขนาดตัวอย่างใกล้เคียงกัน หรือ nil เพื่อบ่งชี้ว่าการใช้งานควรเลือกตัวเลข การเลือกสูงเกินไปอาจทำลายผลกระทบของการสับตัวอย่างในหลายแผนการฝึกอบรม ส่งผลให้ผลลัพธ์ไม่ดี การเลือกต่ำเกินไปจะลดความคล้ายคลึงกันของขนาดในชุดที่กำหนด นำไปสู่ความไร้ประสิทธิภาพ
  areInAscendingSizeOrder	เพรดิเคตที่คืน true หากขนาดของพารามิเตอร์ตัวแรกน้อยกว่าพารามิเตอร์ตัวที่สอง