翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

テキスト分類 - TensorFlow モデルの調整

自動モデル調整は、ハイパーパラメータ調整とも呼ばれ、データセットのさまざまなハイパーパラメータをテストする多数のジョブを実行して、モデルの最適なバージョンを見つけます。調整可能なハイパーパラメータ、それぞれの値の範囲、および目標メトリクスを選択します。アルゴリズムが計算するメトリクスから目標メトリクスを選択します。自動モデル調整は、選択されたハイパーパラメータを検索して、目標メトリクスを最適化するモデルになる値の組み合わせを見つけます。

モデル調整の詳細については、「SageMaker AI による自動モデル調整」を参照してください。

テキスト分類 - TensorFlow アルゴリズムによって計算されたメトリクス

次の表を参照して、テキスト分類 - TensorFlow アルゴリズムによって計算されるメトリクスを確認してください。

調整可能なテキスト分類 - TensorFlow ハイパーパラメータ

次のハイパーパラメータを使用してテキスト分類モデルを調整します。テキスト分類の目標メトリクスに最も大きな影響を与えるハイパーパラメータは、batch_size、learning_rate、および optimizer です。選択した optimizer に基づいて、momentum、regularizers_l2、beta_1、beta_2、および eps などのオプティマイザ関連のハイパーパラメータを調整します。例えば、adamw または adam が optimizer である場合にのみ beta_1 と beta_2 を使用します。

各 optimizer で使用されるハイパーパラメータの詳細については、「テキスト分類 - TensorFlow ハイパーパラメータ」を参照してください。