"$1"

zhangmeng

2020-01-20 455a7bb3e42582a62a02d7baf1b1d4495bf6107c

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
#pragma once
 
#include <torch/csrc/WindowsTorchApiMacro.h>
#include <torch/data/samplers/base.h>
#include <torch/types.h>
 
#include <cstddef>
#include <vector>
 
namespace torch {
namespace serialize {
class OutputArchive;
class InputArchive;
} // namespace serialize
} // namespace torch
 
namespace torch {
namespace data {
namespace samplers {
 
/// A `Sampler` that returns random indices.
class TORCH_API RandomSampler : public Sampler<> {
 public:
  /// Constructs a `RandomSampler` with a size and dtype for the stored indices.
  ///
  /// The constructor will eagerly allocate all required indices, which is the
  /// sequence `0 ... size - 1`. `index_dtype` is the data type of the stored
  /// indices. You can change it to influence memory usage.
  explicit RandomSampler(
      int64_t size,
      Dtype index_dtype = torch::kInt64);
 
  ~RandomSampler() override;
 
  /// Resets the `RandomSampler` to a new set of indices.
  void reset(optional<size_t> new_size = nullopt) override;
 
  /// Returns the next batch of indices.
  optional<std::vector<size_t>> next(size_t batch_size) override;
 
  /// Serializes the `RandomSampler` to the `archive`.
  void save(serialize::OutputArchive& archive) const override;
 
  /// Deserializes the `RandomSampler` from the `archive`.
  void load(serialize::InputArchive& archive) override;
 
  /// Returns the current index of the `RandomSampler`.
  size_t index() const noexcept;
 
 private:
  Tensor indices_;
  int64_t index_ = 0;
};
} // namespace samplers
} // namespace data
} // namespace torch