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 una classificazione del testo - modello TensorFlow

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 dei modelli con AI SageMaker .

Metriche calcolate dall'algoritmo Text Classification TensorFlow

Fate riferimento alla tabella seguente per scoprire quali metriche vengono calcolate dall'algoritmo di classificazione del testo -. TensorFlow

Classificazione del testo regolabile: iperparametri TensorFlow

Ottimizza un modello di classificazione del testo con i seguenti iperparametri. Gli iperparametri che hanno il maggiore impatto sui parametri obiettivo di classificazione del testo sono: batch_size, learning_rate e optimizer. Modifica gli iperparametri correlati all'ottimizzatore, come ad esempio momentum, regularizers_l2, beta_1, beta_2 e eps in base all’optimizer selezionato. Ad esempio usa beta_1 e beta_2 solo quando adamw o adam è optimizer.

Per ulteriori informazioni su quali iperparametri vengono utilizzati in ogni optimizer, consulta Classificazione del testo - TensorFlow Iperparametri.