BlazingText 超參數

開始以 CreateTrainingJob 請求進行訓練工作時，會指定訓練演算法。您也可以將演算法特定的超參數指定為 map。 string-to-string BlazingText 演算法的超參數取決於您使用的模式：Word2Vec (無監督) 和文字分類 (受監督)。

Word2Vec 超參數

下表列出 Amazon 提供的 BlazingText Word2Vec 培訓演算法的超參數。 SageMaker

參數名稱	描述
mode	用於訓練的 Word2vec 架構。 必要 有效值：batch_skipgram、skipgram 或 cbow
batch_size	當 mode 設為 batch_skipgram 時，每批次的量。請設定為介於 10 至 20 之間的數字。 選用 有效值：正整數 預設值：11
buckets	針對部分字組使用的雜湊儲存貯體數。 選用 有效值：正整數 預設值：2000000
epochs	完整通過訓練資料傳遞的次數。 選用 有效值：正整數 預設值：5
evaluation	是否使用 WordSimilarity-353 測試評估訓練過的模型。 選用 有效值：(布林值) True 或 False 預設值：True
learning_rate	用於參數更新的步驟大小。 選用 有效值：正浮點 預設值：0.05
min_char	用於部分字組/字元 n-grams 的最小字元數。 選用 有效值：正整數 預設值：3
min_count	出現次數小於 min_count 的文字會遭到捨棄。 選用 有效值：非負整數 預設值：5
max_char	用於部分字組/字元 n-grams 的最大字元數。 選用 有效值：正整數 預設值：6
negative_samples	負面樣本共享策略的負面樣本數。 選用 有效值：正整數 預設值：5
sampling_threshold	文字出現次數的閾值。訓練資料中出現頻率較高的文字會隨機縮小抽樣。 選用 有效值：正分數。建議範圍是 (0, 1e-3] 預設值：0.0001
subwords	是否要學習部分字組內嵌。 選用 有效值：(布林值) True 或 False 預設值：False
vector_dim	演算法所學習的詞向量的維度。 選用 有效值：正整數 預設值：100
window_size	上下文範圍的大小。內容範圍是指訓練所用目標文字前後的文字數量。 選用 有效值：正整數 預設值：5

文字分類超參數

下表列出 Amazon SageMaker 提供的文字分類訓練演算法的超參數。

注意

雖然有些參數在文字分類和 Word2Vec 模式中都有出現，但根據內容，可能會有不同的意義。

參數名稱	描述
mode	訓練模式。 必要 有效值：supervised
buckets	針對文字 n-grams 使用的雜湊儲存貯體數。 選用 有效值：正整數 預設值：2000000
early_stopping	若驗證準確度並未在 patience 個 epoch 數之後改善，是否要停止訓練。請注意，如果使用提前停止，則需要驗證通道。 選用 有效值：(布林值) True 或 False 預設值：False
epochs	通過訓練資料的完成次數。 選用 有效值：正整數 預設值：5
learning_rate	用於參數更新的步驟大小。 選用 有效值：正浮點 預設值：0.05
min_count	出現次數小於 min_count 的文字會遭到捨棄。 選用 有效值：非負整數 預設值：5
min_epochs	呼叫提前停止邏輯前要訓練的最小 epoch 數。 選用 有效值：正整數 預設值：5
patience	驗證組上沒有任何進展時，在套用提前停止前應等待的 epoch 數。只有在 early_stopping 為 True 時才會使用。 選用 有效值：正整數 預設值：4
vector_dim	內嵌層的維度。 選用 有效值：正整數 預設值：100
word_ngrams	要使用的文字 n-gram 特徵數。 選用 有效值：正整數 預設值：2