FormationÉpoques

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

Une séquence infinie de collections d'échantillons par lots adaptée à la formation d'un DNN lorsque les échantillons sont uniformes.

Les lots de chaque époque ont tous exactement la même taille.

• init (échantillons: batchSize: entropie :)
  Crée une instance en tirant des échantillons à partir samples dans des lots de taille batchSize .

  Déclaration

  public init(
    samples: Samples,
    batchSize: Int,
    entropy: Entropy
  )

  Paramètres

  entropy

  une source de hasard utilisée pour mélanger la commande des échantillons. Il sera stocké dans self , donc s'il n'est que pseudo-aléatoire et a une sémantique de valeur, la séquence d'époques est déterministe et ne dépend pas d'autres opérations.

• Élément
  Le type de chaque époque, une collection de lots d'échantillons.

  Déclaration

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

• suivant()
  Renvoie l'époque suivante dans la séquence.

  Déclaration

  public func next() -> Element?

Disponible où `Entropy` == `SystemRandomNumberGenerator`

• init (échantillons: batchSize :)
  Crée une instance en tirant des échantillons à partir samples dans des lots de taille batchSize .

  Déclaration

  public convenience init(
    samples: Samples,
    batchSize: Int
  )