تحذير: هذا المشروع مهمل. كانت Swift for TensorFlow تجربة في منصة الجيل التالي للتعلم الآلي ، حيث تضمنت أحدث الأبحاث عبر التعلم الآلي والمترجمات والبرمجة القابلة للتفاضل وتصميم الأنظمة وما بعده. تمت أرشفته في فبراير 2021.
عصور التدريب غير الموحدة
تنظيم صفحاتك في مجموعات
يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.
public final class NonuniformTrainingEpochs<
Samples: Collection,
Entropy: RandomNumberGenerator
>: Sequence, IteratorProtocol
تسلسل لا نهائي من مجموعات دفعات العينات المناسبة لتدريب DNN عندما لا تكون العينات ذات حجم موحد.
الدفعات في كل عصر:
- جميعها لديها بالضبط نفس العدد من العينات.
- يتم تشكيلها من عينات ذات حجم مماثل.
- ابدأ بدفعة يكون الحد الأقصى لحجم العينة فيها هو الحد الأقصى لحجم جميع العينات المستخدمة في العصر.
يُنشئ مثيلًا لسحب العينات من samples
إلى دفعات بحجم batchSize
.
تصريح
public init(
samples: Samples,
batchSize: Int,
entropy: Entropy,
batchesPerSort: Int? = nil,
areInAscendingSizeOrder:
@escaping (Samples.Element, Samples.Element) -> Bool
)
حدود
entropy | مصدر العشوائية المستخدم لترتيب العينات عشوائيًا. سيتم تخزينها في self ، لذلك إذا كانت عشوائية زائفة فقط ولها دلالات قيمة، فإن تسلسل العصور يكون حتميًا ولا يعتمد على عمليات أخرى. |
batchesPerSort | عدد الدُفعات التي سيتم عبرها تجميع أحجام العينات بشكل مماثل، أو nil للإشارة إلى أن التنفيذ يجب أن يختار رقمًا. يمكن أن يؤدي الاختيار المرتفع جدًا إلى تدمير تأثيرات خلط العينات في العديد من برامج التدريب، مما يؤدي إلى نتائج سيئة. سيؤدي اختيار كميات منخفضة للغاية إلى تقليل تشابه الأحجام في دفعة معينة، مما يؤدي إلى عدم الكفاءة. |
areInAscendingSizeOrder | المسند الذي يُرجع true إذا كان حجم المعلمة الأولى أقل من حجم المعلمة الثانية. |
نوع كل عصر، مجموعة من دفعات العينات.
تصريح
public typealias Element = Slices<
Sampling<Samples, Array<Samples.Index>.SubSequence>
>
إرجاع الحقبة التالية بالتسلسل.
متاح حيث `Entropy` == `SystemRandomNumberGenerator`
يُنشئ مثيلًا لسحب العينات من samples
إلى دفعات بحجم batchSize
.
تصريح
public convenience init(
samples: Samples,
batchSize: Int,
batchesPerSort: Int? = nil,
areInAscendingSizeOrder:
@escaping (Samples.Element, Samples.Element) -> Bool
)
حدود
batchesPerSort | عدد الدُفعات التي سيتم عبرها تجميع أحجام العينات بشكل مماثل، أو nil للإشارة إلى أن التنفيذ يجب أن يختار رقمًا. يمكن أن يؤدي الاختيار المرتفع جدًا إلى تدمير تأثيرات خلط العينات في العديد من برامج التدريب، مما يؤدي إلى نتائج سيئة. سيؤدي اختيار كميات منخفضة للغاية إلى تقليل تشابه الأحجام في دفعة معينة، مما يؤدي إلى عدم الكفاءة. |
areInAscendingSizeOrder | المسند الذي يُرجع true إذا كان حجم المعلمة الأولى أقل من حجم المعلمة الثانية. |
إنّ محتوى هذه الصفحة مرخّص بموجب ترخيص Creative Commons Attribution 4.0 ما لم يُنصّ على خلاف ذلك، ونماذج الرموز مرخّصة بموجب ترخيص Apache 2.0. للاطّلاع على التفاصيل، يُرجى مراجعة سياسات موقع Google Developers. إنّ Java هي علامة تجارية مسجَّلة لشركة Oracle و/أو شركائها التابعين.
تاريخ التعديل الأخير: 2023-12-01 (حسب التوقيت العالمي المتفَّق عليه)
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"لا يحتوي على المعلومات التي أحتاج إليها."
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"الخطوات معقدة للغاية / كثيرة جدًا."
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"المحتوى قديم."
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"ثمة مشكلة في الترجمة."
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"مشكلة في العيّنات / التعليمات البرمجية"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"غير ذلك"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"يسهُل فهم المحتوى."
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"ساعَدني المحتوى في حلّ مشكلتي."
},{
"type": "thumb-up",
"id": "otherUp",
"label":"غير ذلك"
}]