Ajuste de un modelo Text Classification - TensorFlow

El ajuste de modelo automático, también conocido como ajuste de hiperparámetros, encuentra la mejor versión de un modelo ejecutando muchas tareas que probar una serie de hiperparámetros en su conjunto de datos. Usted elige los hiperparámetros que pueden ajustarse, un rango de valores para cada uno de ellos y una métrica objetiva. Puede elegir la métrica objetiva de las métricas que el algoritmo computa. El ajuste de modelo automático busca los hiperparámetros elegidos para encontrar la combinación de valores que obtienen el modelo que optimiza la métrica objetiva.

Para obtener más información acerca del ajuste de modelos, consulte Ajuste automático del modelo con SageMaker.

Métricas contabilizadas por el algoritmo Text Classification - TensorFlow

Consulte la siguiente tabla para ver qué métricas calcula el algoritmo Text Classification - TensorFlow.

Hiperparámetros ajustables de Text Classification - TensorFlow

Puede ajustar un modelo de clasificación de texto con los siguientes hiperparámetros. Los hiperparámetros con un mayor impacto en las métricas de objetivos de clasificación de texto son batch_size, learning_rate y optimizer. Ajuste los hiperparámetros relacionados con el optimizador, como momentum, regularizers_l2, beta_1, beta_2 y eps, en función del optimizer seleccionado. Por ejemplo, utilice beta_1 y beta_2 solo cuando el optimizer sea adamw o adam.

Para obtener más información sobre los hiperparámetros que se utilizan en cada optimizer, consulte Hiperparámetros de Text Classification - TensorFlow.