优化 Object2Vec 模型 - Amazon SageMaker

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

优化 Object2Vec 模型

自动模型优化(也称作超参数优化)通过运行很多在数据集上测试一系列超参数的作业来查找模型的最佳版本。您可以选择可优化超参数、每个超参数的值范围和一个目标指标。对于目标指标,您可以使用该算法计算的指标之一。自动模型优化将搜索所选超参数以找到导致优化目标指标的模型的值组合。

有关模型优化的更多信息,请参阅自动调整模型 SageMaker

Object2Vec 算法计算的指标

该 Object2Vec 算法同时具有分类和回归指标。output_layer 类型确定可用于自动模型优化的指标。

Object2Vec 算法计算的回归量指标

该算法报告均方误差回归量指标,该指标在测试和验证期间计算。在为回归任务优化模型时,请选择此指标作为目标。

指标名称 描述 优化方向
test:mean_squared_error

均方根误差

最小化

validation:mean_squared_error

均方根误差

最小化

Object2Vec 算法计算的分类指标

Object2Vec 算法报告在测试和验证期间计算的准确度和交叉熵分类指标。在为分类任务优化模型时,请选择其中之一作为目标。

指标名称 描述 优化方向
test:accuracy

准确性

最大化

test:cross_entropy

交叉熵

最小化

validation:accuracy

准确性

最大化

validation:cross_entropy

交叉熵

最小化

可优化 Object2Vec 超参数

您可为 Object2Vec 算法优化以下超参数。

超参数名称 超参数类型 建议的范围和值
dropout

ContinuousParameterRange

MinValue: 0.0, MaxValue: 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: 300

enc1_cnn_filter_width

IntegerParameterRange

MinValue: 1, MaxValue: 5

enc1_layers

IntegerParameterRange

MinValue: 1, MaxValue: 4

enc1_token_embedding_dim

IntegerParameterRange

MinValue: 5, MaxValue: 300

epochs

IntegerParameterRange

MinValue: 4, MaxValue: 20

learning_rate

ContinuousParameterRange

MinValue: 1e-6, MaxValue: 1.0

mini_batch_size

IntegerParameterRange

MinValue: 1, MaxValue: 8192

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