物件偵測 - TensorFlow 超參數

超參數是在機器學習模型開始學習之前設定的參數。Amazon SageMaker 內建物件偵測 TensorFlow 演算法支援下列超參數。如需有關超參數調校的資訊，請參閱調校物件偵測 - TensorFlow 模式。

參數名稱	描述
batch_size	訓練的批次大小。 有效值：正整數。 預設值：3。
beta_1	"adam" 最佳化工具的 beta1。表示第一時間預估的指數衰減率。若是其他最佳化工具則忽略。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.9。
beta_2	"adam" 最佳化工具的 beta2。表示第二時間預估的指數衰減率。若是其他最佳化工具則忽略。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.999。
early_stopping	設定為 "True" 在訓練期間使用提前停止邏輯。如果 "False"，則未使用提前停止。 有效值：字串，可以是任一：("True" 或 "False")。 預設值："False"。
early_stopping_min_delta	符合改善資格所需的變更下限。小於 early_stopping_min_delta 值的絕對變更不符合改善資格。僅在 early_stopping 設為 "True" 時才使用。 有效值：浮動、範圍：[0.0, 1.0]。 預設值：0.0。
early_stopping_patience	在沒有任何改善的情況下，繼續訓練的週期數量。僅在 early_stopping 設為 "True" 時才使用。 有效值：正整數。 預設值：5。
epochs	訓練 epoch 的數量。 有效值：正整數。 預設值：5 適用於較小的模型，1 適用於較大的模型。
epsilon	用於 "adam"、"rmsprop"、"adadelta" 和 "adagrad" 最佳化工具的 epsilon 值。通常會設定為較小值，避免要將該值除以 0。若是其他最佳化工具則忽略。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：1e-7。
initial_accumulator_value	累加器的起始值或 "adagrad" 最佳化工具的每個參數動量值。若是其他最佳化工具則忽略。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.1。
learning_rate	最佳化工具的學習速率。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.001。
momentum	"sgd" 和 "nesterov" 最佳化工具的動量。若是其他最佳化工具則忽略。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.9。
optimizer	最佳化工具類型。如需詳細資訊，請參閱 TensorFlow 文件中的 Optimizer。 有效值：字串，下列任何一項：("adam"、"sgd"、"nesterov"、"rmsprop"、 "adagrad"、"adadelta")。 預設值："adam"。
reinitialize_top_layer	如果設定為 "Auto"，則在微調期間重新初始化頂部分類層參數。對於增量訓練，除非設定為 "True"，否則不會重新初始化頂部分類層參數。 有效值：字串，下列任一項：("Auto"、"True" 或 "False")。 預設值："Auto"。
rho	"adadelta" 和 "rmsprop"最佳化工具的漸層折扣因素。若是其他最佳化工具則忽略。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.95。
train_only_on_top_layer	如果 "True"，則僅對頂部分類層參數進行微調。如果 "False"，則微調所有模型參數。 有效值：字串，可以是：("True" 或 "False")。 預設值："False"。