public final class NonuniformTrainingEpochs<
Samples: Collection,
Entropy: RandomNumberGenerator
>: Sequence, IteratorProtocol
जब नमूने समान आकार के नहीं होते हैं तो DNN के प्रशिक्षण के लिए उपयुक्त नमूना बैचों के संग्रह का एक अनंत क्रम।
प्रत्येक युग में बैच:
- सभी में नमूनों की संख्या बिल्कुल समान है।
- समान आकार के नमूनों से बनते हैं।
- एक ऐसे बैच से शुरू करें जिसका अधिकतम नमूना आकार युग में उपयोग किए गए सभी नमूनों पर अधिकतम आकार है।
samples
सेbatchSize
आकार के बैचों में नमूने खींचने का एक उदाहरण बनाता है।घोषणा
पैरामीटर
entropy
यादृच्छिकता का एक स्रोत जिसका उपयोग नमूना क्रम में फेरबदल करने के लिए किया जाता है। इसे
self
में संग्रहित किया जाएगा, इसलिए यदि यह केवल छद्म यादृच्छिक है और इसमें मूल्य शब्दार्थ है, तो युगों का क्रम नियतात्मक है और अन्य परिचालनों पर निर्भर नहीं है।batchesPerSort
नमूना आकारों को समान रूप से समूहित करने के लिए बैचों की संख्या, या
nil
यह इंगित करने के लिए कि कार्यान्वयन को एक संख्या चुननी चाहिए। बहुत अधिक चयन करने से कई प्रशिक्षण योजनाओं में नमूना फेरबदल के प्रभाव नष्ट हो सकते हैं, जिससे परिणाम खराब हो सकते हैं। बहुत कम चुनने से किसी दिए गए बैच में आकारों की समानता कम हो जाएगी, जिससे अक्षमता हो जाएगी।areInAscendingSizeOrder
एक विधेय जो
true
लौटाता है यदि पहले पैरामीटर का आकार दूसरे से कम है।क्रम में अगला युग लौटाता है।
घोषणा
public func next() -> Element?
samples
सेbatchSize
आकार के बैचों में नमूने खींचने का एक उदाहरण बनाता है।घोषणा
पैरामीटर
batchesPerSort
नमूना आकारों को समान रूप से समूहित करने के लिए बैचों की संख्या, या
nil
यह इंगित करने के लिए कि कार्यान्वयन को एक संख्या चुननी चाहिए। बहुत अधिक चयन करने से कई प्रशिक्षण योजनाओं में नमूना फेरबदल के प्रभाव नष्ट हो सकते हैं, जिससे परिणाम खराब हो सकते हैं। बहुत कम चुनने से किसी दिए गए बैच में आकारों की समानता कम हो जाएगी, जिससे अक्षमता हो जाएगी।areInAscendingSizeOrder
एक विधेय जो
true
लौटाता है यदि पहले पैरामीटर का आकार दूसरे से कम है।