Nonuniform TrainingEpochs 

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

একটি DNN প্রশিক্ষণের জন্য উপযুক্ত নমুনা ব্যাচের সংগ্রহের একটি অসীম ক্রম যখন নমুনাগুলি সমান আকারের নয়।

প্রতিটি যুগে ব্যাচগুলি:

  • সব ঠিক একই সংখ্যক নমুনা আছে.
  • অনুরূপ আকারের নমুনা থেকে গঠিত হয়.
  • একটি ব্যাচ দিয়ে শুরু করুন যার সর্বাধিক নমুনার আকারটি যুগে ব্যবহৃত সমস্ত নমুনার চেয়ে সর্বাধিক আকার।

  • samples থেকে আকারের batchSize ব্যাচে নমুনা আঁকার একটি উদাহরণ তৈরি করে।

    ঘোষণা 

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

    পরামিতি

    entropy

    নমুনা অর্ডার এলোমেলো করতে ব্যবহৃত এলোমেলোতার একটি উৎস। এটি self -এ সংরক্ষিত হবে, তাই যদি এটি শুধুমাত্র সিউডোর্যান্ডম হয় এবং এর অর্থবোধক মান থাকে, তাহলে যুগের ক্রমটি নির্ধারক এবং অন্যান্য ক্রিয়াকলাপের উপর নির্ভরশীল নয়।

    batchesPerSort

    ব্যাচের সংখ্যা যা জুড়ে নমুনা আকারকে একইভাবে গোষ্ঠীভুক্ত করতে হবে, বা nil নির্দেশ করতে হবে যে বাস্তবায়নের একটি সংখ্যা বেছে নেওয়া উচিত। খুব বেশি বাছাই করা অনেক প্রশিক্ষণ প্রকল্পে নমুনা পরিবর্তনের প্রভাবকে ধ্বংস করতে পারে, যার ফলে খারাপ ফলাফল হয়। খুব কম নির্বাচন করা একটি প্রদত্ত ব্যাচের আকারের সাদৃশ্য হ্রাস করবে, যা অদক্ষতার দিকে পরিচালিত করবে।

    areInAscendingSizeOrder

    প্রথম প্যারামিটারের আকার দ্বিতীয়টির চেয়ে কম হলে একটি পূর্বাভাস true হয়।

  • প্রতিটি যুগের ধরন, নমুনার ব্যাচের সংগ্রহ।

    ঘোষণা 

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

  • ক্রমানুসারে পরবর্তী যুগ ফিরিয়ে দেয়।

    ঘোষণা 

    public func next() -> Element?
উপলব্ধ যেখানে `Entropy` == `SystemRandomNumberGenerator`

  • samples থেকে আকারের batchSize ব্যাচে নমুনা আঁকার একটি উদাহরণ তৈরি করে।

    ঘোষণা 

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

    পরামিতি

    batchesPerSort

    ব্যাচের সংখ্যা যা জুড়ে নমুনা আকারকে একইভাবে গোষ্ঠীভুক্ত করতে হবে, বা nil নির্দেশ করতে হবে যে বাস্তবায়নের একটি সংখ্যা বেছে নেওয়া উচিত। খুব বেশি বাছাই করা অনেক প্রশিক্ষণ প্রকল্পে নমুনা পরিবর্তনের প্রভাবকে ধ্বংস করতে পারে, যার ফলে খারাপ ফলাফল হয়। খুব কম নির্বাচন করা একটি প্রদত্ত ব্যাচের আকারের সাদৃশ্য হ্রাস করবে, যা অদক্ষতার দিকে পরিচালিত করবে।

    areInAscendingSizeOrder

    প্রথম প্যারামিটারের আকার দ্বিতীয়টির চেয়ে কম হলে একটি পূর্বাভাস true হয়।