Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà. # Classificazione delle immagini - TensorFlow Iperparametri Gli iperparametri sono parametri impostati prima che un modello di machine learning inizi l'apprendimento. I seguenti iperparametri sono supportati dall' TensorFlow algoritmo Image Classification - integrato di Amazon SageMaker AI. Per ulteriori informazioni sull'ottimizzazione iperparametri, consulta [Ottimizzazione di un modello di classificazione delle immagini TensorFlow](IC-TF-tuning.md). | Nome parametro | Description | | --- | --- | | augmentation | 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"`. | | augmentation\$1random\$1flip | Indica quale modalità di capovolgimento utilizzare per l'aumento dei dati quando `augmentation` è impostato su `"True"`. Per ulteriori informazioni, [RandomFlip](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomFlip)consulta la TensorFlow documentazione. Valori validi: stringa, uno dei seguenti valori: (`"horizontal_and_vertical"`, `"vertical"` o `"None"`). Valore predefinito: `"horizontal_and_vertical"`. | | augmentation\$1random\$1rotation | 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, [RandomRotation](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomRotation)consulta la TensorFlow documentazione. Valori validi: float, intervallo: [`-1.0`, `1.0`]. Valore predefinito: `0.2`. | | augmentation\$1random\$1zoom | 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. `0`significa nessun ingrandimento. Per ulteriori informazioni, [RandomZoom](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomZoom)consulta la TensorFlow documentazione. Valori validi: float, intervallo: [`-1.0`, `1.0`]. Valore predefinito: `0.1`. | | batch\$1size | 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`. | | beta\$11 | 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`. | | beta\$12 | 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`. | | binary\$1mode | 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"`. | | dropout\$1rate | 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` | | early\$1stopping | 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"`. | | early\$1stopping\$1min\$1delta | La modifica minima necessaria per qualificarsi come miglioramento. Una variazione assoluta inferiore al valore di early\$1stopping\$1min\$1delta non si qualifica come miglioramento. Usato solo quando early\$1stopping è impostato su "True".Valori validi: float, intervallo: [`0.0`, `1.0`].Valore predefinito: `0.0`. | | early\$1stopping\$1patience | 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`. | | epochs | Il numero di epoche (Unix epochs) di addestramento. Valori validi: numeri interi positivi. Valore predefinito: `3`. | | epsilon | 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`. | | eval\$1metric | 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](https://www.tensorflow.org/api_docs/python/tf/keras/metrics) nella TensorFlow documentazione. Valori validi: stringa, uno dei seguenti valori: (`"accuracy"`, `"precision"`, `"recall"`, `"auc"` o `"prc"`). Valore predefinito: `"accuracy"`. | | image\$1resize\$1interpolation | Indica il metodo di interpolazione utilizzato per il ridimensionamento delle immagini. Per ulteriori informazioni, vedete [image.resize](https://www.tensorflow.org/api_docs/python/tf/image/resize) nella documentazione. TensorFlow Valori validi: stringa, uno dei seguenti valori: (`"bilinear"`, `"nearest"`, `"bicubic"`, `"area"`, ` "lanczos3"`, `"lanczos5"`, `"gaussian"` o `"mitchellcubic"`). Valore predefinito: `"bilinear"`. | | initial\$1accumulator\$1value | 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`. | | label\$1smoothing | 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 sono`0.9+0.1/num_classes`. Valori validi: float, intervallo: [`0.0`, `1.0`]. Valore predefinito: `0.1`. | | learning\$1rate | La velocità di apprendimento dell'ottimizzatore. Valori validi: float, intervallo: [`0.0`, `1.0`].Valore predefinito: `0.001`. | | momentum | 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`. | | optimizer | Il tipo di ottimizzazione. Per ulteriori informazioni, consulta [Ottimizzatori](https://www.tensorflow.org/api_docs/python/tf/keras/optimizers) nella documentazione. TensorFlow Valori validi: stringa, uno dei seguenti valori: (`"adam"`, `"sgd"`, `"nesterov"`, `"rmsprop"`, ` "adagrad"`, `"adadelta"`). Valore predefinito: `"adam"`. | | regularizers\$1l2 | Il fattore di regolarizzazione L2 per il livello denso nel livello di classificazione. Valori validi: float, intervallo: [`0.0`, `1.0`]. Valore predefinito: `.0001`. | | reinitialize\$1top\$1layer | 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"`. | | rho | 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`. | | train\$1only\$1top\$1layer | 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"`. |