本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。
NTM超参数
下表列出了您可以为 Amazon SageMaker 神经主题模型 (NTM) 算法设置的超参数。
| 参数名称 | 描述 |
|---|---|
|
|
数据集的词汇表大小。 必填 有效值：正整数 (最小值：1，最大值：1,000,000) |
num_topics |
所需的主题数。 必填 有效值：正整数 (最小值：2，最大值：1000) |
batch_norm |
在训练过程中是否使用批处理标准化。 可选 有效值：true 或 false 默认值：false |
clip_gradient |
每个梯度组件的最大幅度。 可选 有效值：浮点型（最小值：1e-3） 默认值：无限 |
encoder_layers |
编码器中的层数和每个层的输出大小。当设置为 auto 时，算法使用各自大小为 3 x 可选 有效值：逗号分隔的正整数列表或 auto 默认值：auto |
encoder_layers_activation |
要在编码器层中使用的激活函数。 可选 有效值：
默认值： |
epochs |
扫描训练数据的最大次数。 可选 有效值：正整数（最小值：1） 默认值：50 |
learning_rate |
优化程序的学习率。 可选 有效值：浮点型（最小值：1e-6，最大值：1.0） 默认值：0.001 |
mini_batch_size |
每个小批量中的示例数。 可选 有效值：正整数 (最小值：1，最大值：10000) 默认值：256 |
num_patience_epochs |
计算提前停止标准所依据的连续纪元数。当损失函数的变化在最近 可选 有效值：正整数（最小值：1） 默认值：3 |
optimizer |
用于训练的优化程序。 可选 有效值： 默认值： |
rescale_gradient |
梯度的缩放因子。 可选 有效值：浮点型（最小值：1e-3，最大值：1.0） 默认值：1.0 |
sub_sample |
每个纪元中要采样用于训练的训练数据的一部分。 可选 有效值：浮点型（最小值：0.0，最大值：1.0） 默认值：1.0 |
tolerance |
损失函数的最大相对变化。当损失函数的变化在最近 可选 有效值：浮点型（最小值：1e-6，最大值：0.1） 默认值：0.001 |
weight_decay |
权重衰减系数。添加 L2 正则化。 可选 有效值：浮点型（最小值：0.0，最大值：1.0） 默认值：0.0 |
