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。
NTM 超參數
下表列出您可以為 Amazon SageMaker Neural Topic Model （NTM） 演算法設定的超參數。
| 參數名稱 | 描述 |
|---|---|
|
|
資料集的詞彙數量。 必要 有效值：正整數 (最小：1、最大：1,000,000) |
num_topics |
必要主題的數量。 必要 有效值：正整數 (最小：2、最大：1000) |
batch_norm |
是否在訓練期間使用批次標準化。 選用 有效值：true 或 false 預設值：false |
clip_gradient |
每個梯度元件的最大量級。 選用 有效值：浮點數 (最低：1e-3) 預設值：無限 |
encoder_layers |
編碼器中的層數量以及各層的輸出大小。當設定為 auto 時，演算法會分別使用大小為 3 x 選用 有效值：正整數的逗號分隔清單或 auto 預設值：auto |
encoder_layers_activation |
用於編碼器層的啟用功能。 選用 有效值： 預設值： |
epochs |
針對訓練資料的最高傳遞次數。 選用 有效值：正整數 (最低：1) 預設值：50 |
learning_rate |
最佳化工具的學習率。 選用 有效值：浮點數 (最低：1e-6、最高：1.0) 預設值：0.001 |
mini_batch_size |
每一個迷你批次中的範例數。 選用 有效值：正整數 (最小：1、最大：10000) 預設值：256 |
num_patience_epochs |
要對其評估提早停止條件的連續 epoch 數量。當損失函式中的變更低於最後 選用 有效值：正整數 (最低：1) 預設值：3 |
optimizer |
用於訓練的最佳化工具。 選用 有效值：
預設值： |
rescale_gradient |
梯度的重新調整因子。 選用 有效值：浮點數 (最低：1e-3、最高：1.0) 預設值：1.0 |
sub_sample |
要針對每個 epoch 訓練取樣的部分訓練資料。 選用 有效值：浮點數 (最低：0.0、最高：1.0) 預設值：1.0 |
tolerance |
損失函式的最大相對變更。當損失函式中的變更低於最後 選用 有效值：浮點數 (最低：1e-6、最高：0.1) 預設值：0.001 |
weight_decay |
權重衰減係數。新增 L2 正規化。 選用 有效值：浮點數 (最低：0.0、最高：1.0) 預設值：0.0 |
