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.
NTMHyperparamètres
Le tableau suivant répertorie les hyperparamètres que vous pouvez définir pour l'algorithme Amazon SageMaker Neural Topic Model (NTM).
| Nom du paramètre | Description |
|---|---|
|
|
Taille de vocabulaire de l'ensemble de données. Obligatoire Valeurs valides : entier positif (min : 1, max : 1 000 000) |
num_topics |
Nombre de rubriques requises. Obligatoire Valeurs valides : entier positif (min : 2, max : 1 000) |
batch_norm |
Indique s'il faut utiliser la normalisation par lots au cours de la formation. Facultatif Valeurs valides : true ou false Valeur par défaut : false |
clip_gradient |
Magnitude maximale pour chaque composant de gradient. Facultatif Valeurs valides : nombre flottant (min : 1e-3) Valeur par défaut : infini |
encoder_layers |
Nombre de couches de l'encodeur et taille de sortie de chaque couche. Lorsque sa valeur est auto, l'algorithme utilise deux couches de taille 3 x Facultatif Valeurs valides : liste séparée par des virgules de nombres entiers positifs ou auto Valeur par défaut : auto |
encoder_layers_activation |
Fonction d'activation à utiliser dans les couches de l'encodeur. Facultatif Valeurs valides :
Valeur par défaut : |
epochs |
Nombre maximal de passages sur les données d'entraînement. Facultatif Valeurs valides : entier positif (min : 1) Valeur par défaut : 50 |
learning_rate |
Taux d'apprentissage de l'optimiseur. Facultatif Valeurs valides : nombre flottant (min : 1e-6, max : 1,0) Valeur par défaut : 0.001 |
mini_batch_size |
Nombre d'exemples dans chaque mini-lot. Facultatif Valeurs valides : entier positif (min : 1, max : 10 000) Valeur par défaut : 256 |
num_patience_epochs |
Nombre de dates epoch successives sur lesquelles le critère d'arrêt anticipé est évalué. Un arrêt anticipé est déclenché lorsque la modification de la fonction perte passe en-dessous de la Facultatif Valeurs valides : entier positif (min : 1) Valeur par défaut : 3 |
optimizer |
Optimiseur à utiliser pour la formation. Facultatif Valeurs valides :
Valeur par défaut : |
rescale_gradient |
Facteur de redimensionnement du gradient. Facultatif Valeurs valides : nombre flottant (min : 1e-3, max : 1,0) Valeur par défaut : 1.0 |
sub_sample |
La fraction des données de formation à échantillonner pour la formation par période (epoch). Facultatif Valeurs valides : nombre flottant (min : 0,0, max : 1.0) Valeur par défaut : 1.0 |
tolerance |
Modification relative maximale dans la fonction perte. Un arrêt anticipé est déclenché lorsque la modification de la fonction perte passe en-dessous de cette valeur au sein du Facultatif Valeurs valides : nombre flottant (min : 1e-6, max : 0,1) Valeur par défaut : 0.001 |
weight_decay |
Coefficient de dégradation de pondération. Ajoute la régularisation L2. Facultatif Valeurs valides : nombre flottant (min : 0,0, max : 1.0) Valeur par défaut : 0.0 |
