Ottimizzazione di un modello Object2Vec

L'ottimizzazione automatica dei modelli, nota anche come ottimizzazione degli iperparametri, trova la versione migliore di un modello eseguendo molti processi che testano un intervallo di iperparametri sul set di dati. Scegli gli iperparametri ottimizzabili, un intervallo di valori per ciascuno di essi e un parametro obiettivo. Per il parametro obiettivo, puoi usare uno dei parametri calcolati dall'algoritmo. L'ottimizzazione automatica del modello ricerca gli iperparametri scelti per trovare la combinazione di valori che restituisce il modello che ottimizza il parametro obiettivo.

Per ulteriori informazioni sull'ottimizzazione del modello, consulta Esegui l'ottimizzazione automatica del modello con SageMaker.

Parametri calcolati dall'algoritmo Object2Vec

L'algoritmo Object2Vec ha i parametri di classificazione e di regressione. Il tipo output_layer determina quale parametro puoi utilizzare per l'ottimizzazione automatica del modello.

Parametri di regressione calcolati dall'algoritmo Object2Vec

L'algoritmo restituisce un parametro di regressione errore quadratico medio che viene calcolato durante il test e la convalida. Quando si ottimizza il modello per le attività di regressione, scegli questo parametro come obiettivo.

Nome parametro	Descrizione	Direzione dell'ottimizzazione
test:mean_squared_error	Errore quadratico medio	Minimizza
validation:mean_squared_error	Errore quadratico medio	Minimizza

Parametri di classificazione calcolati dall'algoritmo Object2Vec

L'algoritmo Object2Vec restituisce i parametri di accuratezza e classificazione di entropia incrociata, che vengono calcolati durante il test e la convalida. Quando ottimizzi il modello per attività di classificazione, scegli uno di questi parametri come obiettivo.

Nome parametro	Descrizione	Direzione dell'ottimizzazione
test:accuracy	Accuratezza	Massimizza
test:cross_entropy	Entropia incrociata	Minimizza
validation:accuracy	Accuratezza	Massimizza
validation:cross_entropy	Entropia incrociata	Minimizza

Iperparametri Object2Vec ottimizzabili

È possibile ottimizzare i seguenti iperparametri per l'algoritmo Object2Vec.

Nome iperparametro	Tipo di iperparametro	Intervalli e valori consigliati
dropout	ContinuousParameterRange	MinValue: MaxValue 0,0,: 1,0
early_stopping_patience	IntegerParameterRange	MinValue: 1, MaxValue: 5
early_stopping_tolerance	ContinuousParameterRange	MinValue: 0,001, MaxValue 0,1
enc_dim	IntegerParameterRange	MinValue: 4, MaxValue 4096
enc0_cnn_filter_width	IntegerParameterRange	MinValue: 1, MaxValue: 5
enc0_layers	IntegerParameterRange	MinValue: 1, MaxValue: 4
enc0_token_embedding_dim	IntegerParameterRange	MinValue: 5, MaxValue: 30
enc1_cnn_filter_width	IntegerParameterRange	MinValue: 1, MaxValue: 5
enc1_layers	IntegerParameterRange	MinValue: 1, MaxValue: 4
enc1_token_embedding_dim	IntegerParameterRange	MinValue: 5, MaxValue: 30
epochs	IntegerParameterRange	MinValue: 4, MaxValue: 20
learning_rate	ContinuousParameterRange	MinValue: 1e-6, MaxValue: 1,0
mini_batch_size	IntegerParameterRange	MinValue: 1, 8192 MaxValue
mlp_activation	CategoricalParameterRanges	[tanh, relu, linear]
mlp_dim	IntegerParameterRange	MinValue: 16, MaxValue 1024
mlp_layers	IntegerParameterRange	MinValue: 1, MaxValue: 4
optimizer	CategoricalParameterRanges	[adagrad, adam, rmsprop, sgd, adadelta]
weight_decay	ContinuousParameterRange	MinValue: 0,0, MaxValue: 1,0