文字分類 - 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，請參閱調整文字分類 - TensorFlow 模型。

參數名稱	描述
batch_size	訓練的批次大小。對於具有多個 的執行個體的訓練GPUs，整個 都會使用此批次大小GPUs。 有效值：正整數。 預設值：32。
beta_1	"adam" 和 "adamw" 最佳化工具的 beta1。代表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" 和 "adamw" 最佳化工具的 beta2。代表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。
dropout_rate	頂部分類層中退出層的退出率。僅在將 reinitialize_top_layer 設定為 "True" 時使用。 有效值：浮動、範圍：[0.0, 1.0]。 預設值：0.2
early_stopping	設定為 "True" 以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：10。
epsilon	用於 "adam"、"rmsprop"、"adadelta" 和 "adagrad" 最佳化工具的 epsilon。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：0.0001。
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：("adamw"、"adam"、"sgd"、"nesterov"、"rmsprop"、 "adagrad"、"adadelta")。 預設值："adam"。
regularizers_l2	分類層中密集層的 L2 正規化因素。僅在 reinitialize_top_layer 設為 "True" 時才使用。 有效值：浮動、範圍：[0.0, 1.0]。 預設值：0.0001。
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"。
validation_split_ratio	要隨機分割以建立驗證資料的訓練資料分數。只有在未透過 validation 頻道提供驗證資料時才使用。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.2。
warmup_steps_fraction	漸層更新步驟總數的分數，其中學習速率從 0 增加到初始學習速率作為暖機。僅與 adamw 最佳化工具搭配使用。 有效值：浮點數，範圍：[0.0,1.0]。 預設值：0.1。