Réglage d'un modèle DeepAR

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Le réglage de modèle automatique, ou réglage d'hyperparamètre, détecte la meilleure version d'un modèle en exécutant plusieurs tâches qui testent une plage d'hyperparamètres sur votre jeu de données. Vous choisissez les hyperparamètres réglables, une plage de valeurs pour chacun d'eux et une métrique d'objectif. Vous choisissez la métrique d'objectif parmi les métriques que calcule l'algorithme. Le réglage de modèle automatique recherche parmi les hyperparamètres choisis la combinaison de valeurs qui produira un modèle permettant d'optimiser la métrique d'objectif.

Pour plus d'informations sur le réglage de modèle, consultez Réglage automatique du modèle grâce à l' SageMaker IA.

Métriques calculées par l'algorithme DeepAR

L'algorithme DeepAR rapporte trois métriques, calculées au cours de l'entraînement. Lors du réglage d'un modèle, choisissez l'une de ces métriques comme objectif. Pour l'objectif, utilisez la précision de la prévision sur un canal de test fourni (recommandé) ou la perte d'entraînement. Pour obtenir des recommandations relatives au fractionnement entraînement/test de l'algorithme DeepAR, consultez Bonnes pratiques relatives à l'utilisation de l'algorithme DeepAR.

Hyperparamètres réglables pour l'algorithme DeepAR

Personnalisez un modèle DeepAR à l'aide des hyperparamètres suivants. Les hyperparamètres ayant le plus grand impact (dans un ordre décroissant) sur les métriques d'objectif DeepAR sont les suivants : epochs, context_length, mini_batch_size, learning_rate et num_cells.