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。
超参数是在机器学习模型开始学习之前设置的参数。Amazon A SageMaker I 内置的对象检测- TensorFlow 算法支持以下超参数。有关超参数调整的信息，请参阅调整物体检测- TensorFlow 模型。
| 参数名称 | 描述 |
|---|---|
batch_size |
训练的批次大小。 有效值：正整数。 默认值： |
beta_1 |
有效值：浮点型，范围：[ 默认值： |
beta_2 |
有效值：浮点型，范围：[ 默认值： |
early_stopping |
设置为 有效值：字符串，以下任意值：（ 默认值： |
early_stopping_min_delta |
认定为有所改进的所需的最小变化。小于值 early_stopping_min_delta 的绝对变化不会认定为改进。仅在 early_stopping 设置为 "True" 时使用。有效值：浮点型，范围：[ 默认值： |
early_stopping_patience |
继续训练而没有改善的纪元数。仅在 有效值：正整数。 默认值： |
epochs |
训练纪元数。 有效值：正整数。 默认值：对于较小的模型为 |
epsilon |
有效值：浮点型，范围：[ 默认值： |
initial_accumulator_value |
累加器的起始值，对于 有效值：浮点型，范围：[ 默认值： |
learning_rate |
优化器的学习率。 有效值：浮点型，范围：[ 默认值： |
momentum |
有效值：浮点型，范围：[ 默认值： |
optimizer |
优化程序类型。有关更多信息，请参阅 TensorFlow 文档中的优化器 有效值：字符串，以下任意值：（ 默认值： |
reinitialize_top_layer |
如果设置为 有效值：字符串，以下任意值：（ 默认值： |
rho |
有效值：浮点型，范围：[ 默认值： |
train_only_on_top_layer |
如果为 有效值：字符串，以下任意值：（ 默认值： |
