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
<a name="ntm_hyperparameters"></a>

下表列出您可以為 Amazon SageMaker AI 神經主題模型 (NTM) 演算法設定的超參數。


| 參數名稱 | Description | 
| --- | --- | 
|  `feature_dim`  |  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\$1topics |  必要主題的數量。 **必要** 有效值：正整數 (最小：2、最大：1000)  | 
| batch\$1norm |  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\$1gradient |  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\$1layers |  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 `num_topics` 和 2 x `num_topics` 的兩個層。 **選用** 有效值：正整數的逗號分隔清單或 *auto* 預設值：*auto*  | 
| encoder\$1layers\$1activation |  用於編碼器層的啟用功能。 **選用** 有效值： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/ntm_hyperparameters.html) 預設值：`sigmoid`  | 
| 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\$1rate |  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\$1batch\$1size |  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\$1patience\$1epochs |  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 `num_patience_epochs` 個 epoch 數內指定的 `tolerance` 時，即會觸發提前停止。若要停用提早停止，請將 `num_patience_epochs` 設為大於 `epochs` 的值。 **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： [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/ntm_hyperparameters.html) 預設值：`adadelta`  | 
| rescale\$1gradient |  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\$1sample |  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 `num_patience_epochs` 個 epoch 數內的此值時，即會觸發提前停止。 **選用** 有效值：浮點數 (最低：1e-6、最高：0.1) 預設值：0.001  | 
| weight\$1decay |   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  |