調校 Object2Vec 模型

自動模型調校，又稱為超參數調校，會透過在您的資料集上，執行許多測試超參數範圍的任務，來尋找最佳版本的模型。您可以選擇可調校的超參數、每一個超參數的值範圍，及目標指標。對於目標指標，請使用演算法計算的其中一個指標。自動模型調校會搜尋所選擇的超參數，以找出產生之模型可最佳化目標指標的值組合。

如需模型調校的詳細資訊，請參閱使用 SageMaker AI 自動調校模型。

依 Object2Vec 演算法計算的指標

Object2Vec 演算法具有分類和迴歸這兩種指標。output_layer 類型會判斷可用於自動模型調校的指標。

依 Object2Vec 演算法計算的迴歸器指標

演算法會報告均方誤差迴歸器指標，而系統會在測試和驗證期間計算該指標。調校迴歸任務的模型時，請選擇此指標做為目標。

指標名稱	描述	最佳化方向
test:mean_squared_error	均方誤差	最小化
validation:mean_squared_error	均方誤差	最小化

依 Object2Vec 演算法計算的分類指標

Object2Vec 演算法會報告準確性指標和跨熵分類指標，而系統會在測試和驗證期間計算該指標。調校分類任務的模型時，請選擇其中之一做為目標。

指標名稱	描述	最佳化方向
test:accuracy	準確性	最大化
test:cross_entropy	跨熵	最小化
validation:accuracy	準確性	最大化
validation:cross_entropy	跨熵	最小化

可調校的 Object2Vec 超參數

您可以調校 Object2Vec 演算法的下列超參數。

超參數名稱	超參數類型	建議的範圍和值
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