public final class NonuniformTrainingEpochs<
Samples: Collection,
Entropy: RandomNumberGenerator
>: Sequence, IteratorProtocol
Numuneler eşit boyutta olmadığında bir DNN'nin eğitimi için uygun olan numune partilerinin sonsuz bir koleksiyonudur.
Her dönemdeki partiler:
- hepsinde tam olarak aynı sayıda örnek var.
- Benzer büyüklükteki örneklerden oluşur.
- Maksimum örnek boyutu, çağda kullanılan tüm örneklerin maksimum boyutu olan bir partiyle başlayın.
samples
örnekleribatchSize
boyutunda gruplar halinde çizen bir örnek oluşturur.beyan
Parametreler
entropy
Örnek sıralamasını karıştırmak için kullanılan bir rastgelelik kaynağı.
self
içinde depolanacaktır, dolayısıyla yalnızca sözde rastgele ise ve değer semantiğine sahipse, dönemlerin sırası belirleyicidir ve diğer işlemlere bağlı değildir.batchesPerSort
Örnek boyutlarının benzer şekilde gruplandırılacağı partilerin sayısı veya uygulamanın bir sayı seçmesi gerektiğini belirtmek için
nil
. Çok yüksek bir değerin seçilmesi birçok eğitim şemasında örnek karıştırmanın etkilerini yok edebilir ve bu da kötü sonuçlara yol açabilir. Çok düşük seçim yapmak, belirli bir partideki boyutların benzerliğini azaltacak ve verimsizliğe yol açacaktır.areInAscendingSizeOrder
birinci parametrenin boyutu ikinci parametrenin boyutundan küçükse
true
değerini döndüren bir yüklem.Sırayla sonraki dönemi döndürür.
beyan
public func next() -> Element?
samples
örnekleribatchSize
boyutunda gruplar halinde çizen bir örnek oluşturur.beyan
Parametreler
batchesPerSort
Örnek boyutlarının benzer şekilde gruplandırılacağı partilerin sayısı veya uygulamanın bir sayı seçmesi gerektiğini belirtmek için
nil
. Çok yüksek bir değerin seçilmesi birçok eğitim şemasında örnek karıştırmanın etkilerini yok edebilir ve bu da kötü sonuçlara yol açabilir. Çok düşük seçim yapmak, belirli bir partideki boyutların benzerliğini azaltacak ve verimsizliğe yol açacaktır.areInAscendingSizeOrder
birinci parametrenin boyutu ikinci parametrenin boyutundan küçükse
true
değerini döndüren bir yüklem.