調校 DeepAR 模型 - Amazon SageMaker

本文為英文版的機器翻譯版本,如內容有任何歧義或不一致之處,概以英文版為準。

調校 DeepAR 模型

自動模型調校,又稱為超參數調校,會透過在您的資料集上,執行許多測試超參數範圍的任務,來尋找最佳版本的模型。您可以選擇可調校的超參數、每一個超參數的值範圍,及目標指標。您可以從演算法運算的指標中選擇目標指標。自動模型調校會搜尋所選擇的超參數,以找出產生之模型可最佳化目標指標的值組合。

如需模型調校的詳細資訊,請參閱使用 自動模型調校 SageMaker

由 DeepAR 演算法運算的指標

DeepAR 演算法會報告三個指標,這三個指標都是在訓練期間運算而得。調校模型時,請選擇這些指標中的其中一個做為目標。針對目標,請使用所提供測試通道上的預測準確度 (建議) 或訓練損失。如需 DeepAR 演算法訓練/測試分割的建議事項,請參閱 使用 DeepAR 演算法的最佳實務

指標名稱 描述 最佳化方向
test:RMSE

預測和測試集上實際運算目標之間的均方根誤差。

最小化

test:mean_wQuantileLoss

在測試集上運算而得到的平均整體分位數損失。若要控制要使用的分位數,請設定 test_quantiles 超參數。

最小化

train:final_loss

模型中最後一個訓練 epoch 內的平均負 log 可能性 (negative log-likelihood)。

最小化

DeepAR 演算法之可調校的超參數

使用下列超參數調校 DeepAR 模型。依照程度最大到程度最小進行排序,對 DeepAR 目標指標影響程度最大的超參數為:epochscontext_lengthmini_batch_sizelearning_ratenum_cells

參數名稱 參數類型 建議範圍
epochs

IntegerParameterRanges

MinValue:1, MaxValue:1000

context_length

IntegerParameterRanges

MinValue:1, MaxValue:200

mini_batch_size

IntegerParameterRanges

MinValue:32, MaxValue:1028

learning_rate

ContinuousParameterRange

MinValue:1e-5、 MaxValue:1e-1

num_cells

IntegerParameterRanges

MinValue:30、 MaxValue:200

num_layers

IntegerParameterRanges

MinValue:1、 MaxValue:8

dropout_rate

ContinuousParameterRange

MinValue:0.00, MaxValue:0.2

embedding_dimension

IntegerParameterRanges

MinValue:1、 MaxValue:50