Веса примеров в PyTorch

Если одни записи важнее других, им можно задать больший вес. Класс WeightedRandomSampler строит последовательность номеров для эпохи: чем выше вес, тем чаще номер попадает в выборку.

Отдельно задают, сколько номеров выдать за эпоху. Чтобы порядок при повторном запуске совпадал, фиксируют генератор случайных чисел и передают его в выборку.

Зададим веса 1, 3, 1 и 3, запросим шесть номеров с повторениями и выведем их:

import torch
from torch.utils.data import WeightedRandomSampler

weights = torch.tensor([1., 3., 1., 3.])
gen = torch.Generator().manual_seed(0)
sampler = WeightedRandomSampler(
	weights, num_samples=6, replacement=True, generator=gen,
)
for idx in sampler:
	print(idx)

Задайте веса [2., 1., 2.] для трёх примеров. Запросите пять номеров с повторениями при зафиксированном генераторе и выведите полученный список.

Для четырёх примеров укажите веса [1., 1., 4., 4.] и получите восемь номеров за эпоху. Выведите, сколько раз среди них встретился номер 2.

Создайте веса длины 5, где у первого примера вес 10, у остальных - 1. Запросите десять номеров с повторениями и выведите первый номер в последовательности.