Предупреждение: этот проект устарел. Swift для TensorFlow был экспериментом с платформой нового поколения для машинного обучения, включающей в себя последние исследования в области машинного обучения, компиляторов, дифференцируемого программирования, проектирования систем и многого другого. Он был заархивирован в феврале 2021 года.

Эта страница переведена с помощью Cloud Translation API.

Состояние потока

public class ThreadState<Model: Layer, Opt: Optimizer>
where
  Opt.Model == Model, Opt.Scalar == Float, Model.Input == Tensor<Float>,
  Model.Output == Tensor<Float>,
  Model.TangentVector.VectorSpaceScalar == Float

Состояние цикла обучения на устройстве.

классификатор
Декларация
public var classifier: Model
оптимизатор
Декларация
public var optimizer: Opt
init (модель: оптимизатор: идентификатор: устройства: useAutomaticMixedPrecision:)
Декларация
public init( model: Model, optimizer: Opt, id: Int, devices: [Device], useAutomaticMixedPrecision: Bool )

run(train:test:crossReplicaSumDevices:scheduleLearningRate:lossFunction:)

Декларация

public func run<Dataset: Sequence>(
  train: Dataset, test: Dataset, crossReplicaSumDevices: [Device]? = nil,
  scheduleLearningRate: (Opt) -> Void = { _ in },
  lossFunction: @differentiable (Tensor<Float>, @noDerivative Tensor<Int32>) -> Tensor<Float> =
    _defaultLossFunction
)
  -> () -> (train: HostStatistics, test: HostStatistics)
where Dataset.Iterator.Element == (x: Tensor<Float>, y: Tensor<Int32>)