Selecione suas preferências de cookies

Usamos cookies essenciais e ferramentas semelhantes que são necessárias para fornecer nosso site e serviços. Usamos cookies de desempenho para coletar estatísticas anônimas, para que possamos entender como os clientes usam nosso site e fazer as devidas melhorias. Cookies essenciais não podem ser desativados, mas você pode clicar em “Personalizar” ou “Recusar” para recusar cookies de desempenho.

Se você concordar, a AWS e terceiros aprovados também usarão cookies para fornecer recursos úteis do site, lembrar suas preferências e exibir conteúdo relevante, incluindo publicidade relevante. Para aceitar ou recusar todos os cookies não essenciais, clique em “Aceitar” ou “Recusar”. Para fazer escolhas mais detalhadas, clique em “Personalizar”.

Ajustar uma classificação de texto - TensorFlow modelo

Modo de foco
Ajustar uma classificação de texto - TensorFlow modelo - SageMaker IA da Amazon

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

O ajuste automático de modelos, também conhecido como ajuste de hiperparâmetros, localiza a melhor versão de um modelo executando vários trabalhos que testam uma série de hiperparâmetros no seu conjunto de dados. Você escolhe os hiperparâmetros ajustáveis, um intervalo de valores para cada um e uma métrica objetiva. Você escolhe a métrica objetiva entre as métricas que o algoritmo calcula. O ajuste de modelo automático pesquisa os hiperparâmetros escolhidos para encontrar a combinação de valores que resultam no modelo que otimiza a métrica objetiva.

Para mais informações sobre o ajuste de modelos, consulte Ajuste automático do modelo com SageMaker IA.

Métricas calculadas pelo algoritmo de Classificação de Texto TensorFlow

Consulte a tabela a seguir para descobrir quais métricas são calculadas pelo TensorFlow algoritmo de Classificação de Texto.

Nome da métrica Descrição Direção de otimização Padrão Regex
validation:accuracy

A proporção do número de predições corretas para o número total de predições feitas.

Maximizar

val_accuracy=([0-9\\.]+)

Classificação de texto ajustável - hiperparâmetros TensorFlow

Ajuste um modelo de classificação de texto com os seguintes hiperparâmetros: Os hiperparâmetros que têm o maior impacto nas métricas objetivas de classificação de texto são: batch_size, learning_rate e optimizer. Os hiperparâmetros ajustáveis relacionados ao otimizador como momentum, regularizers_l2, beta_1, beta_2 e eps com base no optimizer selecionado. Por exemplo, use beta_1 e beta_2 somente quando adamw ou adam for o optimizer.

Para obter mais informações sobre quais hiperparâmetros são usados para cada optimizer, consulte Classificação de texto - TensorFlow Hiperparâmetros.

Nome do parâmetro Tipo de parâmetro Intervalos recomendados
batch_size

IntegerParameterRanges

MinValue: 4, MaxValue 128

beta_1

ContinuousParameterRanges

MinValue: 1e-6, 0,99 MaxValue

beta_2

ContinuousParameterRanges

MinValue: 1e-6, 0,99 MaxValue

eps

ContinuousParameterRanges

MinValue: 1e-8, MaxValue: 1,0

learning_rate

ContinuousParameterRanges

MinValue: 1e-6, 0,5 MaxValue

momentum

ContinuousParameterRanges

MinValue: 0,0, MaxValue 0,99

optimizer

CategoricalParameterRanges

['adamw', 'adam', 'sgd', 'rmsprop', 'nesterov', 'adagrad', 'adadelta']

regularizers_l2

ContinuousParameterRanges

MinValue: 0,0, MaxValue 0,99

train_only_on_top_layer

CategoricalParameterRanges

['True', 'False']

PrivacidadeTermos do sitePreferências de cookies
© 2025, Amazon Web Services, Inc. ou suas afiliadas. Todos os direitos reservados.