Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
Hiperparameter NTM
Tabel berikut mencantumkan hiperparameter yang dapat Anda atur untuk algoritme Amazon SageMaker AI Neural Topic Model (NTM).
| Nama Parameter | Deskripsi |
|---|---|
|
|
Ukuran kosakata dari dataset. Diperlukan Nilai yang valid: Bilangan bulat positif (min: 1, maks: 1.000.000) |
num_topics |
Jumlah topik yang diperlukan. Diperlukan Nilai yang valid: Bilangan bulat positif (min: 2, maks: 1000) |
batch_norm |
Apakah akan menggunakan normalisasi batch selama pelatihan. Opsional Nilai yang valid: benar atau salah Nilai default: false |
clip_gradient |
Besarnya maksimum untuk setiap komponen gradien. Opsional Nilai yang valid: Float (min: 1e-3) Nilai default: Infinity |
encoder_layers |
Jumlah lapisan dalam encoder dan ukuran output dari setiap lapisan. Ketika diatur ke auto, algoritma menggunakan dua lapisan ukuran 3 x Opsional Nilai yang valid: Daftar bilangan bulat positif atau auto yang dipisahkan koma Nilai default: auto |
encoder_layers_activation |
Fungsi aktivasi untuk digunakan dalam lapisan encoder. Opsional Nilai valid:
Nilai default: |
epochs |
Jumlah maksimum lintasan atas data pelatihan. Opsional Nilai yang valid: Bilangan bulat positif (min: 1) Nilai default: 50 |
learning_rate |
Tingkat pembelajaran untuk pengoptimal. Opsional Nilai yang valid: Float (min: 1e-6, maks: 1.0) Nilai default: 0,001 |
mini_batch_size |
Jumlah contoh di setiap batch mini. Opsional Nilai yang valid: Bilangan bulat positif (min: 1, maks: 10000) Nilai default: 256 |
num_patience_epochs |
Jumlah zaman berturut-turut di mana kriteria penghentian awal dievaluasi. Penghentian awal dipicu ketika perubahan fungsi kerugian turun di bawah yang ditentukan Opsional Nilai yang valid: Bilangan bulat positif (min: 1) Nilai default: 3 |
optimizer |
Pengoptimal untuk digunakan untuk pelatihan. Opsional Nilai valid:
Nilai default: |
rescale_gradient |
Faktor penskalaan ulang untuk gradien. Opsional Nilai yang valid: float (min: 1e-3, maks: 1.0) Nilai default: 1.0 |
sub_sample |
Fraksi data pelatihan untuk sampel untuk pelatihan per zaman. Opsional Nilai yang valid: Float (min: 0.0, max: 1.0) Nilai default: 1.0 |
tolerance |
Perubahan relatif maksimum dalam fungsi kerugian. Penghentian awal dipicu ketika perubahan fungsi kerugian turun di bawah nilai ini dalam Opsional Nilai yang valid: Float (min: 1e-6, maks: 0.1) Nilai default: 0,001 |
weight_decay |
Koefisien peluruhan berat. Menambahkan regularisasi L2. Opsional Nilai yang valid: Float (min: 0.0, max: 1.0) Nilai default: 0.0 |
