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.

# BlazingText Iperparametri
<a name="blazingtext_hyperparameters"></a>

Quando avvii un processo di addestramento con una richiesta `CreateTrainingJob`, specifichi un algoritmo di addestramento. È inoltre possibile specificare iperparametri specifici dell'algoritmo come mappe. string-to-string Gli iperparametri dell' BlazingText algoritmo dipendono dalla modalità utilizzata: Word2Vec (senza supervisione) e Text Classification (supervisionata).

## Iperparametri Word2Vec
<a name="blazingtext_hyperparameters_word2vec"></a>

La tabella seguente elenca gli iperparametri per l'algoritmo di addestramento BlazingText Word2Vec fornito da Amazon AI. SageMaker 


| Nome parametro | Description | 
| --- | --- | 
| mode |  L'architettura Word2vec utilizzata per l’addestramento. **Campo obbligatorio** Valori validi: `batch_skipgram`, `skipgram` o `cbow`  | 
| batch\$1size |  La dimensione di ogni batch quando `mode` è impostato su `batch_skipgram`. Imposta su un numero tra 10 e 20. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 11  | 
| buckets |  Il numero di bucket hash da utilizzare per le parole secondarie. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 2000000  | 
| epochs |  Il numero di pass completi tramite i dati di addestramento. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 5  | 
| evaluation |  [Se il modello addestrato viene valutato utilizzando il test -353. WordSimilarity](http://www.gabrilovich.com/resources/data/wordsim353/wordsim353.html) **Opzionale** Valori validi: (booleani) `True` o `False` Valore predefinito: `True`  | 
| learning\$1rate |  L'incremento utilizzato per gli aggiornamenti dei parametri. **Opzionale** Valori validi: float positivi Valore predefinito: 0,05  | 
| min\$1char |  Il numero minimo di caratteri da utilizzare per n-grammi di parole secondarie/caratteri. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 3  | 
| min\$1count |  Le parole che appaiono meno di `min_count` volte vengono eliminate. **Opzionale** Valori validi: numeri interi non negativi Valore predefinito: 5  | 
| max\$1char |  Il numero massimo di caratteri da utilizzare per n-grammi di parole secondarie/caratteri. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 6  | 
| negative\$1samples |  Il numero di Negative Sample per la strategia Negative Sample Sharing. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 5  | 
| sampling\$1threshold |  Il limite di occorrenza delle parole. Le parole che appaiono con maggiore frequenza nei dati di addestramento sono casualmente sottocampionate. **Opzionale** Valori validi: frazioni positive. L'intervallo consigliato è (0, 1e-3) Valore predefinito: 0.0001  | 
| subwords |  Indica se eseguire o meno l’addestramento degli incorporamenti delle parole secondarie. **Opzionale** Valori validi: (booleani) `True` o `False` Valore predefinito: `False`  | 
| vector\$1dim |  La dimensione dei vettori di parola che l'algoritmo impara. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 100  | 
| window\$1size |  Le dimensioni della finestra contestuale. La finestra contestuale è il numero di parole che circondano la parola di target utilizzata per l’addestramento. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 5  | 

## Iperparametri di classificazione del testo
<a name="blazingtext_hyperparameters_text_class"></a>

La tabella seguente elenca gli iperparametri per l'algoritmo di training sulla classificazione del testo fornito da Amazon SageMaker AI.

**Nota**  
Sebbene alcuni parametri siano comuni tra la modalità di classificazione del testo e Word2Vec, potrebbero avere significati diversi a seconda del contesto.


| Nome parametro | Description | 
| --- | --- | 
| mode |  La modalità di addestramento. **Campo obbligatorio** Valori validi: `supervised`  | 
| buckets |  Il numero di bucket hash da utilizzare per n-grammi di parole. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 2000000  | 
| early\$1stopping |  Indica se interrompere l’addestramento nel caso in cui l'accuratezza della convalida non migliora dopo a numero `patience` di epoche (Unix epochs). Tieni presente che è necessario un canale di convalida se si utilizza l'arresto anticipato. **Opzionale** Valori validi: (booleani) `True` o `False` Valore predefinito: `False`  | 
| epochs |  Il numero massimo di pass completi tramite i dati di addestramento. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 5  | 
| learning\$1rate |  L'incremento utilizzato per gli aggiornamenti dei parametri. **Opzionale** Valori validi: float positivi Valore predefinito: 0,05  | 
| min\$1count |  Le parole che appaiono meno di `min_count` volte vengono eliminate. **Opzionale** Valori validi: numeri interi non negativi Valore predefinito: 5  | 
| min\$1epochs |  Il numero minimo di epoche (Unix epochs) da addestrare prima che venga richiamata la logica di arresto precoce. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 5  | 
| patience |  Il numero di epoche (Unix epochs) da attendere prima di applicare l'arresto precoce quando non viene effettuato alcun progresso sul set di convalida. Usato solo quando `early_stopping` è `True`. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 4  | 
| vector\$1dim |  La dimensione del livello di incorporamento. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 100  | 
| word\$1ngrams |  Il numero di caratteristiche n-gramma di parole da utilizzare. **Opzionale** Valori validi: numeri interi positivi Valore predefinito: 2  |