기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
텍스트 분류 조정 - TensorFlow 모델
하이퍼파라미터 튜닝이라고도 하는 자동 모델 튜닝은 데이터세트에 대한 광범위한 하이퍼파라미터를 테스트하는 여러 작업을 실행하여 최적의 모델 버전을 찾습니다. 튜닝 가능한 하이퍼파라미터, 각 하이퍼파라미터에 대한 값 범위 및 목표 지표를 선택합니다. 알고리즘에서 계산하는 지표 중에서 목표 지표를 선택합니다. 자동 모델 튜닝은 선택한 하이퍼파라미터를 검색하여 목표 지표를 최적화하는 모델을 만드는 값 조합을 찾습니다.
모델 튜닝에 대한 추가 정보는 SageMaker AI를 사용한 자동 모델 튜닝 섹션을 참조하세요.
텍스트 분류 - TensorFlow 알고리즘으로 계산된 지표
텍스트 분류 TensorFlow 알고리즘으로 계산되는 지표를 찾으려면 다음 차트를 참조하세요.
| 지표 이름 | 설명 | 최적화 방향 | Regex 패턴 |
|---|---|---|---|
validation:accuracy |
올바른 예측 수 대 총 예측 수의 비율입니다. |
최대화 |
|
튜닝 가능한 텍스트 분류 - TensorFlow 하이퍼파라미터
다음 하이퍼파라미터를 사용하여 텍스트 분류 모델을 튜닝하세요. 텍스트 분류 목표 지표에 가장 큰 영향을 미치는 하이퍼파라미터는 batch_size, learning_rate, optimizer입니다. 선택된 optimizer를 기준으로 최적화 프로그램 관련 하이퍼파라미터(예: momentum, regularizers_l2, beta_1, beta_2, eps)를 튜닝하세요. 예를 들어 adamw 또는 adam이 optimizer인 경우에만 beta_1 및 beta_2를 사용하세요.
각 optimizer에 사용되는 하이퍼파라미터의 종류에 대한 자세한 내용은 텍스트 분류 - TensorFlow 하이퍼파라미터를 참조하세요.
| 파라미터 이름 | 파라미터 유형 | 권장 범위 |
|---|---|---|
batch_size |
IntegerParameterRanges |
MinValue: 4, MaxValue: 128 |
beta_1 |
ContinuousParameterRanges |
MinValue: 1e-6, MaxValue: 0.999 |
beta_2 |
ContinuousParameterRanges |
MinValue: 1e-6, MaxValue: 0.999 |
eps |
ContinuousParameterRanges |
MinValue: 1e-8, MaxValue: 1.0 |
learning_rate |
ContinuousParameterRanges |
MinValue: 1e-6, MaxValue: 0.5 |
momentum |
ContinuousParameterRanges |
MinValue: 0.0, MaxValue: 0.999 |
optimizer |
CategoricalParameterRanges |
['adamw', 'adam', 'sgd', 'rmsprop', 'nesterov', 'adagrad', 'adadelta'] |
regularizers_l2 |
ContinuousParameterRanges |
MinValue: 0.0, MaxValue: 0.999 |
train_only_on_top_layer |
CategoricalParameterRanges |
['True', 'False'] |
