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.

Ottimizzazione di un modello DeepAR

L'ottimizzazione automatica dei modelli, nota anche come ottimizzazione degli iperparametri, trova la versione migliore di un modello eseguendo molti processi che testano un intervallo di iperparametri sul set di dati. Scegli gli iperparametri ottimizzabili, un intervallo di valori per ciascuno di essi e un parametro obiettivo. Puoi scegliere il parametro obiettivo tra i parametri calcolati dall'algoritmo. L'ottimizzazione automatica del modello ricerca gli iperparametri scelti per trovare la combinazione di valori che restituisce il modello che ottimizza il parametro obiettivo.

Per ulteriori informazioni sull'ottimizzazione del modello, consulta Ottimizzazione automatica del modello con SageMaker.

Parametri calcolati dall'algoritmo DeepAR

L'algoritmo DeepAR restituisce tre parametri che vengono calcolati durante l’addestramento. Quando ottimizzi un modello, scegli uno di questi parametri come obiettivo. Per l'obiettivo, utilizza l'accuratezza di previsione su un canale di test fornito (consigliato) o la perdita dell’addestramento. Per le raccomandazioni sulla divisione addestramento/test per l'algoritmo DeepAR, consulta Best practice per l'utilizzo dell'algoritmo DeepAR.

Iperparametri ottimizzabili per l'algoritmo DeepAR

Ottimizza un modello DeepAR con i seguenti iperparametri. Gli iperparametri che hanno il maggiore impatto, elencati partendo dal maggior impatto, sui parametri obiettivo DeepAR sono: epochs, context_length, mini_batch_size, learning_rate e num_cells.