Classificazione delle immagini - TensorFlow Iperparametri

Imposta su "True" per applicare augmentation_random_flip, augmentation_random_rotation e augmentation_random_zoom ai dati di addestramento.

Valori validi: stringa: ("True" o "False").

Valore predefinito: "False".

Indica quale modalità di capovolgimento utilizzare per l'aumento dei dati quando augmentation è impostato su "True". Per ulteriori informazioni, RandomFlipconsulta la TensorFlow documentazione.

Valori validi: stringa, uno dei seguenti valori: ("horizontal_and_vertical", "vertical" o "None").

Valore predefinito: "horizontal_and_vertical".

Indica la quantità di rotazione da utilizzare per l'aumento dei dati quando augmentation è impostato su "True". I valori rappresentano una frazione di 2π. I valori positivi ruotano in senso antiorario mentre i valori negativi ruotano in senso orario. 0 significa nessuna rotazione. Per ulteriori informazioni, RandomRotationconsulta la TensorFlow documentazione.

Valori validi: float, intervallo: [-1.0, 1.0].

Valore predefinito: 0.2.

Indica la quantità di zoom verticale da utilizzare per l'aumento dei dati quando augmentation è impostato su "True". I valori positivi rimpiccioliscono mentre i valori negativi ingrandiscono. 0significa nessun ingrandimento. Per ulteriori informazioni, RandomZoomconsulta la TensorFlow documentazione.

Valori validi: float, intervallo: [-1.0, 1.0].

Valore predefinito: 0.1.

Le dimensioni del batch per l’addestramento. Per la formazione su istanze con più istanze GPUs, questa dimensione del batch viene utilizzata in tutti i GPUs.

Valori validi: numeri interi positivi.

Valore predefinito: 32.

La beta1 per l'ottimizzatore "adam". Rappresenta la percentuale di decadimento esponenziale per stime di primo momento. Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.9.

La beta2 per l'ottimizzatore "adam". Rappresenta la percentuale di decadimento esponenziale per stime di secondo momento. Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.999.

Quando binary_mode è impostato su "True", il modello restituisce un singolo numero di probabilità per la classe positiva e può utilizzare eval_metric opzioni aggiuntive. Utilizza solo per problemi di classificazione binaria.

Valori validi: stringa: ("True" o "False").

Valore predefinito: "False".

La percentuale di dropout per il livello di dropout nel livello di classificazione superiore.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.2

Imposta su "True" per utilizzare la logica di arresto precoce durante l’addestramento. Se "False", l'arresto anticipato non viene utilizzato.

Valori validi: stringa: ("True" o "False").

Valore predefinito: "False".

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.0.

Il numero di epoche in cui continuare l’addestramento senza alcun miglioramento. Usato solo quando early_stopping è impostato su "True".

Valori validi: numeri interi positivi.

Valore predefinito: 5.

Il numero di epoche (Unix epochs) di addestramento.

Valori validi: numeri interi positivi.

Valore predefinito: 3.

L'epsilon per gli ottimizzatori "adam", "rmsprop", "adadelta" e "adagrad". Di solito è impostato su un piccolo valore per evitare la divisione per 0. Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 1e-7.

Se binary_mode è impostato su "False", eval_metric può essere solo "accuracy". Se binary_mode è "True", seleziona uno dei valori validi. Per ulteriori informazioni, consulta Metriche nella TensorFlow documentazione.

Valori validi: stringa, uno dei seguenti valori: ("accuracy", "precision", "recall", "auc" o "prc").

Valore predefinito: "accuracy".

Indica il metodo di interpolazione utilizzato per il ridimensionamento delle immagini. Per ulteriori informazioni, vedete image.resize nella documentazione. TensorFlow

Valori validi: stringa, uno dei seguenti valori: ("bilinear", "nearest", "bicubic", "area", "lanczos3", "lanczos5", "gaussian" o "mitchellcubic").

Valore predefinito: "bilinear".

Il valore iniziale per gli accumulatori o i valori di momento per parametro per l'ottimizzatore "adagrad". Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.0001.

Indica in che misura ridurre l’attendibilità nei valori dell'etichetta. Ad esempio, se label_smoothing è 0.1, allora le etichette non di destinazione sono 0.1/num_classes e le etichette di destinazione sono0.9+0.1/num_classes.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.1.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.001.

Il momento per gli ottimizzatori "sgd", "nesterov" e "rmsprop". Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.9.

Il tipo di ottimizzazione. Per ulteriori informazioni, consulta Ottimizzatori nella documentazione. TensorFlow

Valori validi: stringa, uno dei seguenti valori: ("adam", "sgd", "nesterov", "rmsprop", "adagrad", "adadelta").

Valore predefinito: "adam".

Il fattore di regolarizzazione L2 per il livello denso nel livello di classificazione.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: .0001.

Se impostato su "Auto", i parametri del livello di classificazione superiore vengono reinizializzati durante l’ottimizzazione. Per l'addestramento incrementale, i parametri del livello di classificazione superiore non vengono reinizializzati a meno che non siano impostati su "True".

Valori validi: stringa, uno dei seguenti valori: ("Auto", "True" o "False").

Valore predefinito: "Auto".

Il fattore di sconto per il gradiente degli ottimizzatori "adadelta" e "rmsprop". Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.95.

Se "True", solo i parametri del livello di classificazione superiore vengono ottimizzati. Se "False", tutti i parametri del modello vengono ottimizzati.

Valori validi: stringa: ("True" o "False").

Valore predefinito: "False".