Deteksi Objek - TensorFlow Hyperparameters - Amazon SageMaker

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Deteksi Objek - TensorFlow Hyperparameters

Hyperparameters adalah parameter yang ditetapkan sebelum model pembelajaran mesin mulai belajar. Hyperparameter berikut didukung oleh TensorFlow algoritma Deteksi Objek SageMaker bawaan Amazon. Lihat Menyetel Deteksi Objek - TensorFlow model untuk informasi tentang tuning hyperparameter.

Nama Parameter Deskripsi
batch_size

Ukuran batch untuk pelatihan.

Nilai yang valid: bilangan bulat positif.

Nilai default:3.
beta_1

Beta1 untuk pengoptimal. "adam" Merupakan tingkat peluruhan eksponensial untuk perkiraan momen pertama. Diabaikan untuk pengoptimal lainnya.

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:0.9.
beta_2

Beta2 untuk pengoptimal. "adam" Merupakan tingkat peluruhan eksponensial untuk perkiraan momen kedua. Diabaikan untuk pengoptimal lainnya.

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:0.999.
early_stopping

Atur "True" untuk menggunakan logika penghentian awal selama pelatihan. Jika"False", berhenti dini tidak digunakan.

Nilai yang valid: string, baik: ("True"atau"False").

Nilai default:"False".
early_stopping_min_delta Perubahan minimum yang diperlukan untuk memenuhi syarat sebagai perbaikan. Perubahan absolut kurang dari nilai early_stopping_min_delta tidak memenuhi syarat sebagai perbaikan. Digunakan hanya ketika early_stopping diatur ke"True".

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:0.0.
early_stopping_patience

Jumlah zaman untuk melanjutkan pelatihan tanpa perbaikan. Digunakan hanya ketika early_stopping diatur ke"True".

Nilai yang valid: bilangan bulat positif.

Nilai default:5.
epochs

Jumlah zaman pelatihan.

Nilai yang valid: bilangan bulat positif.

Nilai default: 5 untuk model yang lebih kecil, 1 untuk model yang lebih besar.
epsilon

Epsilon untuk"adam",, "rmsprop""adadelta", dan "adagrad" pengoptimal. Biasanya diatur ke nilai kecil untuk menghindari pembagian dengan 0. Diabaikan untuk pengoptimal lainnya.

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:1e-7.
initial_accumulator_value

Nilai awal untuk akumulator, atau nilai momentum per parameter, untuk pengoptimal. "adagrad" Diabaikan untuk pengoptimal lainnya.

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:0.1.
learning_rate Tingkat pembelajaran pengoptimal.

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:0.001.
momentum

Momentum untuk "sgd" dan "nesterov" pengoptimal. Diabaikan untuk pengoptimal lainnya.

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:0.9.
optimizer

Jenis pengoptimal. Untuk informasi selengkapnya, lihat Pengoptimal dalam dokumentasi. TensorFlow

Nilai yang valid: string, salah satu dari berikut ini: ("adam""sgd",,"nesterov","rmsprop", "adagrad","adadelta").

Nilai default:"adam".
reinitialize_top_layer

Jika disetel ke"Auto", parameter lapisan klasifikasi atas diinisialisasi ulang selama fine-tuning. Untuk pelatihan tambahan, parameter lapisan klasifikasi teratas tidak diinisialisasi ulang kecuali disetel ke. "True"

Nilai yang valid: string, salah satu dari berikut ini: ("Auto", "True" atau"False").

Nilai default:"Auto".
rho

Faktor diskon untuk gradien "adadelta" dan "rmsprop" pengoptimal. Diabaikan untuk pengoptimal lainnya.

Nilai yang valid: float, range: [0.0,1.0].

Nilai default:0.95.
train_only_on_top_layer

Jika"True", hanya parameter lapisan klasifikasi teratas yang disetel dengan baik. Jika"False", semua parameter model disetel dengan baik.

Nilai yang valid: string, baik: ("True"atau"False").

Nilai default:"False".