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.

  • 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.

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

    Déclaration 

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

  • Renvoie l'époque suivante dans la séquence.

    Déclaration 

    public func next() -> Element?
Disponible où `Entropy` == `SystemRandomNumberGenerator`

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

    Déclaration 

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