Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
BlazingText Hiperparámetros
Cuando inicie un trabajo de capacitación con una solicitud CreateTrainingJob, especifique un algoritmo de capacitación. También puede especificar hiperparámetros específicos del algoritmo como mapas. string-to-string Los hiperparámetros del BlazingText algoritmo dependen del modo que utilice: Word2Vec (sin supervisión) y Clasificación de texto (supervisado).
Hiperparámetros de Word2Vec
En la siguiente tabla se enumeran los hiperparámetros del algoritmo de entrenamiento BlazingText Word2Vec proporcionado por Amazon. SageMaker
| Nombre del parámetro | Descripción |
|---|---|
mode |
La arquitectura de Word2vec se utiliza para la capacitación. Obligatorio Valores válidos: |
batch_size |
El tamaño de cada lote cuando Opcional Valores válidos: número entero positivo Valor predeterminado: 11 |
buckets |
La cantidad de buckets hash que se va a utilizar para subunidades de palabras. Opcional Valores válidos: número entero positivo Valor predeterminado: 2000000 |
epochs |
El número de pasadas completas en los datos de capacitación. Opcional Valores válidos: número entero positivo Valor predeterminado: 5 |
evaluation |
Si el modelo entrenado se evalúa mediante la prueba -353. WordSimilarity Opcional Valores válidos: (booleano) Valor predeterminado: |
learning_rate |
El tamaño del paso usado para actualizaciones de parámetros. Opcional Valores válidos: número flotante positivo Valor predeterminado: 0.05 |
min_char |
El número mínimo de caracteres que se va a utilizar para n-gramas de subunidades de palabras/caracteres. Opcional Valores válidos: número entero positivo Valor predeterminado: 3 |
min_count |
Las palabras que aparecen menos de Opcional Valores válidos: número entero no negativo Valor predeterminado: 5 |
max_char |
El número máximo de caracteres que se va a utilizar para n-gramas de subunidades de palabras/caracteres Opcional Valores válidos: número entero positivo Valor predeterminado: 6 |
negative_samples |
El número de muestras negativas para la estrategia de uso compartido de muestra negativa. Opcional Valores válidos: número entero positivo Valor predeterminado: 5 |
sampling_threshold |
El umbral para las apariciones de palabras. Las palabras que aparecen con mayor frecuencia en los datos de capacitación se muestrea de forma aleatoria. Opcional Valores válidos: fracción positiva. El intervalo recomendado es (0, 1e-3] Valor predeterminado: 0.0001 |
subwords |
Para decidir si aprender incrustaciones de subunidades de palabras o no. Opcional Valores válidos: (booleano) Valor predeterminado: |
vector_dim |
La dimensión de los vectores de palabras que aprende el algoritmo. Opcional Valores válidos: número entero positivo Valor predeterminado: 100 |
window_size |
El tamaño de la ventana de contexto. La ventana de contexto es el número de palabras alrededor de la palabra de destino utilizada para la capacitación. Opcional Valores válidos: número entero positivo Valor predeterminado: 5 |
Hiperparámetros de clasificación de texto
En la siguiente tabla se enumeran los hiperparámetros del algoritmo de entrenamiento de clasificación de textos proporcionado por Amazon SageMaker.
nota
Aunque algunos de los parámetros son comunes entre los modos de clasificación de texto y Word2Vec, es posible que tenga significados diferentes en función del contexto.
| Nombre del parámetro | Descripción |
|---|---|
mode |
El modo de capacitación. Obligatorio Valores válidos: |
buckets |
La cantidad de buckets hash que se va a utilizar para n-gramas de palabras. Opcional Valores válidos: número entero positivo Valor predeterminado: 2000000 |
early_stopping |
Decidir si detener la capacitación si la precisión de validación no mejora después de un número de fechas de inicio de Opcional Valores válidos: (booleano) Valor predeterminado: |
epochs |
El número máximo de pasadas completas en los datos de capacitación. Opcional Valores válidos: número entero positivo Valor predeterminado: 5 |
learning_rate |
El tamaño del paso usado para actualizaciones de parámetros. Opcional Valores válidos: número flotante positivo Valor predeterminado: 0.05 |
min_count |
Las palabras que aparecen menos de Opcional Valores válidos: número entero no negativo Valor predeterminado: 5 |
min_epochs |
El número mínimo de fechas de inicio que debe capacitarse antes de invocar la lógica de detención temprana. Opcional Valores válidos: número entero positivo Valor predeterminado: 5 |
patience |
El número de fechas de inicio que se debe esperar antes de la aplicación de la detención temprana cuando no se produce ningún avance en el conjunto de validación. Solo se usa cuando Opcional Valores válidos: número entero positivo Valor predeterminado: 4 |
vector_dim |
La dimensión de la capa de integración. Opcional Valores válidos: número entero positivo Valor predeterminado: 100 |
word_ngrams |
El número de características de n-gramas de palabras que se va a utilizar. Opcional Valores válidos: número entero positivo Valor predeterminado: 2 |
