Menyetel Klasifikasi Teks - TensorFlow model

Penyetelan model otomatis, juga dikenal sebagai tuning hyperparameter, menemukan versi terbaik dari model dengan menjalankan banyak pekerjaan yang menguji berbagai hiperparameter pada kumpulan data Anda. Anda memilih hyperparameters yang dapat disetel, rentang nilai untuk masing-masing, dan metrik objektif. Anda memilih metrik objektif dari metrik yang dihitung algoritme. Penyetelan model otomatis mencari hiperparameter yang dipilih untuk menemukan kombinasi nilai yang menghasilkan model yang mengoptimalkan metrik objektif.

Untuk informasi lebih lanjut tentang penyetelan model, lihatLakukan penyetelan model otomatis dengan SageMaker.

Metrik dihitung oleh Klasifikasi Teks - algoritma TensorFlow

Lihat bagan berikut untuk menemukan metrik mana yang dihitung oleh algoritma Klasifikasi Teks. TensorFlow

Nama Metrik	Deskripsi	Arah Optimasi	Pola Regex
validation:accuracy	Rasio jumlah prediksi yang benar dengan jumlah prediksi yang dibuat.	Maksimalkan	val_accuracy=([0-9\\.]+)

Klasifikasi Teks yang Dapat Disetel - hyperparameters TensorFlow

Tune model klasifikasi teks dengan hyperparameter berikut. Hiperparameter yang memiliki dampak terbesar pada metrik objektif klasifikasi teks adalah:batch_size,learning_rate, dan. optimizer Setel hiperparameter terkait pengoptimal, seperti,,momentum,, regularizers_l2 beta_1beta_2, dan eps berdasarkan yang dipilih. optimizer Misalnya, gunakan beta_1 dan beta_2 hanya ketika adamw atau adam adalahoptimizer.

Untuk informasi lebih lanjut tentang hiperparameter mana yang digunakan untuk masing-masingoptimizer, lihatKlasifikasi Teks - TensorFlow Hyperparameters.

Nama Parameter	Jenis Parameter	Rentang yang Direkomendasikan
batch_size	IntegerParameterRanges	MinValue: 4, MaxValue: 128
beta_1	ContinuousParameterRanges	MinValue: 1e-6,: 0.999 MaxValue
beta_2	ContinuousParameterRanges	MinValue: 1e-6,: 0.999 MaxValue
eps	ContinuousParameterRanges	MinValue: 1e-8, MaxValue: 1.0
learning_rate	ContinuousParameterRanges	MinValue: 1e-6, MaxValue: 0,5
momentum	ContinuousParameterRanges	MinValue: 0.0, MaxValue: 0.999
optimizer	CategoricalParameterRanges	['adamw', 'adam', 'sgd', 'rmsprop', 'nesterov', 'adagrad', 'adadelta']
regularizers_l2	ContinuousParameterRanges	MinValue: 0.0, MaxValue: 0.999
train_only_on_top_layer	CategoricalParameterRanges	['Benar', 'Salah']