Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Klasifikasi Gambar - TensorFlow Hyperparameter
Hyperparameter adalah parameter yang ditetapkan sebelum model pembelajaran mesin mulai belajar. Hyperparameter berikut didukung oleh TensorFlow algoritma Klasifikasi Gambar bawaan Amazon SageMaker AI. Lihat [Menyetel Klasifikasi Gambar - TensorFlow model](IC-TF-tuning.md) untuk informasi tentang penyetelan hyperparameter.
| Nama Parameter | Deskripsi |
| --- | --- |
| augmentation | Setel `"True"` untuk menerapkan`augmentation_random_flip`,`augmentation_random_rotation`, dan `augmentation_random_zoom` ke data pelatihan.
Nilai yang valid: string, baik: (`"True"`atau`"False"`).
Nilai default:`"False"`. |
| augmentation\_random\_flip | Menunjukkan mode flip mana yang akan digunakan untuk augmentasi data saat `augmentation` disetel. `"True"` Untuk informasi lebih lanjut, lihat [ RandomFlip ](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomFlip) dalam TensorFlow dokumentasi.
Nilai yang valid: string, salah satu dari berikut ini: (`"horizontal_and_vertical"`,`"vertical"`, atau`"None"`).
Nilai default:`"horizontal_and_vertical"`. |
| augmentation\_random\_rotation | Menunjukkan berapa banyak rotasi yang akan digunakan untuk augmentasi data saat `augmentation` disetel ke. `"True"` Nilai mewakili sebagian kecil dari 2π. Nilai positif berputar berlawanan arah jarum jam sementara nilai negatif berputar searah jarum jam. `0`berarti tidak ada rotasi. Untuk informasi lebih lanjut, lihat [ RandomRotation ](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomRotation) dalam TensorFlow dokumentasi.
Nilai yang valid: float, range: [`-1.0`,`1.0`].
Nilai default:`0.2`. |
| augmentation\_random\_zoom | Menunjukkan berapa banyak zoom vertikal yang digunakan untuk augmentasi data saat `augmentation` disetel ke. `"True"` Nilai positif memperkecil sementara nilai negatif memperbesar. `0`berarti tidak ada zoom. Untuk informasi lebih lanjut, lihat [ RandomZoom ](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomZoom) dalam TensorFlow dokumentasi.
Nilai yang valid: float, range: [`-1.0`,`1.0`].
Nilai default:`0.1`. |
| batch\_size | Ukuran batch untuk pelatihan. Untuk pelatihan pada instance dengan beberapa GPU, ukuran batch ini digunakan di seluruh GPU.
Nilai yang valid: bilangan bulat positif.
Nilai default:`32`. |
| beta\_1 | Beta1 untuk pengoptimal`"adam"`. Merupakan tingkat peluruhan eksponensial untuk perkiraan momen pertama. Diabaikan untuk pengoptimal lain.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.9`. |
| beta\_2 | Beta2 untuk pengoptimal`"adam"`. Merupakan tingkat peluruhan eksponensial untuk perkiraan momen kedua. Diabaikan untuk pengoptimal lain.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.999`. |
| binary\_mode | Ketika `binary_mode` diatur ke`"True"`, model mengembalikan nomor probabilitas tunggal untuk kelas positif dan dapat menggunakan `eval_metric` opsi tambahan. Gunakan hanya untuk masalah klasifikasi biner.
Nilai yang valid: string, baik: (`"True"`atau`"False"`).
Nilai default:`"False"`. |
| dropout\_rate | Tingkat putus sekolah untuk lapisan putus sekolah di lapisan klasifikasi atas.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default: `0.2` |
| early\_stopping | Setel `"True"` untuk menggunakan logika penghentian awal selama pelatihan. Jika`"False"`, penghentian dini tidak digunakan.
Nilai yang valid: string, baik: (`"True"`atau`"False"`).
Nilai default:`"False"`. |
| early\_stopping\_min\_delta | Perubahan minimum yang diperlukan untuk memenuhi syarat sebagai peningkatan. Perubahan absolut kurang dari nilai early\_stopping\_min\_delta tidak memenuhi syarat sebagai peningkatan. Digunakan hanya ketika early\_stopping disetel ke"True".Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.0`. |
| early\_stopping\_patience | Jumlah zaman untuk melanjutkan pelatihan tanpa perbaikan. Digunakan hanya ketika `early_stopping` disetel ke`"True"`.
Nilai yang valid: bilangan bulat positif.
Nilai default:`5`. |
| epochs | Jumlah zaman pelatihan.
Nilai yang valid: bilangan bulat positif.
Nilai default:`3`. |
| epsilon | Epsilon untuk`"adam"`,, `"rmsprop"``"adadelta"`, dan `"adagrad"` pengoptimal. Biasanya diatur ke nilai kecil untuk menghindari pembagian dengan 0. Diabaikan untuk pengoptimal lain.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`1e-7`. |
| eval\_metric | Jika `binary_mode` diatur ke`"False"`, hanya `eval_metric` bisa`"accuracy"`. Jika `binary_mode` ya`"True"`, pilih salah satu nilai yang valid. Untuk informasi selengkapnya, lihat [ Metrik ](https://www.tensorflow.org/api_docs/python/tf/keras/metrics) dalam TensorFlow dokumentasi.
Nilai yang valid: string, salah satu dari berikut ini: (`"accuracy"``"precision"`,,`"recall"`,`"auc"`, atau`"prc"`).
Nilai default:`"accuracy"`. |
| image\_resize\_interpolation | Menunjukkan metode interpolasi yang digunakan saat mengubah ukuran gambar. Untuk informasi selengkapnya, lihat [ image.resize ](https://www.tensorflow.org/api_docs/python/tf/image/resize) dalam dokumentasi. TensorFlow
Nilai yang valid: string, salah satu dari berikut ini: (`"bilinear"``"nearest"`,`"bicubic"`,`"area"`,` "lanczos3"`,`"lanczos5"`,`"gaussian"`, atau`"mitchellcubic"`).
Nilai default:`"bilinear"`. |
| initial\_accumulator\_value | Nilai awal untuk akumulator, atau nilai momentum per parameter, untuk peng `"adagrad"` optimal. Diabaikan untuk pengoptimal lain.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.0001`. |
| label\_smoothing | Menunjukkan seberapa banyak untuk melonggarkan kepercayaan pada nilai label. Misalnya, jika `label_smoothing` ada`0.1`, maka label non-target adalah `0.1/num_classes ` dan label target adalah`0.9+0.1/num_classes`.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.1`. |
| learning\_rate | Tingkat pembelajaran pengoptimal. Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.001`. |
| momentum | Momentum untuk`"sgd"`,`"nesterov"`, dan peng `"rmsprop"` optimal. Diabaikan untuk pengoptimal lain.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.9`. |
| optimizer | Jenis pengoptimal. Untuk informasi selengkapnya, lihat [ Pengoptimal ](https://www.tensorflow.org/api_docs/python/tf/keras/optimizers) dalam TensorFlow dokumentasi.
Nilai yang valid: string, salah satu dari berikut ini: (`"adam"``"sgd"`,,`"nesterov"`,`"rmsprop"`,` "adagrad"`,`"adadelta"`).
Nilai default:`"adam"`. |
| regularizers\_l2 | Faktor regularisasi L2 untuk lapisan padat di lapisan klasifikasi.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`.0001`. |
| reinitialize\_top\_layer | Jika disetel ke`"Auto"`, parameter lapisan klasifikasi teratas diinisialisasi ulang selama penyetelan halus. Untuk pelatihan tambahan, parameter lapisan klasifikasi atas tidak diinisialisasi ulang kecuali disetel ke. `"True"`
Nilai yang valid: string, salah satu dari berikut ini: (`"Auto"`, `"True"` atau`"False"`).
Nilai default:`"Auto"`. |
| rho | Faktor diskon untuk gradien `"adadelta"` dan pengoptimal`"rmsprop"`. Diabaikan untuk pengoptimal lain.
Nilai yang valid: float, range: [`0.0`,`1.0`].
Nilai default:`0.95`. |
| train\_only\_top\_layer | Jika`"True"`, hanya parameter lapisan klasifikasi teratas yang disesuaikan. Jika`"False"`, semua parameter model disesuaikan.
Nilai yang valid: string, baik: (`"True"`atau`"False"`).
Nilai default:`"False"`. |