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 Object2Vec 模型
<a name="object2vec-tuning"></a>

*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。對於目標指標，請使用演算法計算的其中一個指標。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 SageMaker AI 執行自動模型調校](automatic-model-tuning.md)。

## 依 Object2Vec 演算法計算的指標
<a name="object2vec-metrics"></a>

Object2Vec 演算法具有分類和迴歸這兩種指標。`output_layer` 類型會判斷可用於自動模型調校的指標。

### 依 Object2Vec 演算法計算的迴歸器指標
<a name="object2vec-regressor-metrics"></a>

演算法會報告均方誤差迴歸器指標，而系統會在測試和驗證期間計算該指標。調校迴歸任務的模型時，請選擇此指標做為目標。


| 指標名稱 | Description | 最佳化方向 | 
| --- | --- | --- | 
| test:mean\$1squared\$1error | 均方誤差 | 最小化 | 
| validation:mean\$1squared\$1error | 均方誤差 | 最小化 | 

### 依 Object2Vec 演算法計算的分類指標
<a name="object2vec-classification-metrics"></a>

Object2Vec 演算法會報告準確性指標和跨熵分類指標，而系統會在測試和驗證期間計算該指標。調校分類任務的模型時，請選擇其中之一做為目標。


| 指標名稱 | Description | 最佳化方向 | 
| --- | --- | --- | 
| test:accuracy | 準確性 | 最大化 | 
| test:cross\$1entropy | 跨熵 | 最小化 | 
| validation:accuracy | 準確性 | 最大化 | 
| validation:cross\$1entropy | 跨熵 | 最小化 | 

## 可調校的 Object2Vec 超參數
<a name="object2vec-tunable-hyperparameters"></a>

您可以調校 Object2Vec 演算法的下列超參數。


| 超參數名稱 | 超參數類型 | 建議的範圍和值 | 
| --- | --- | --- | 
| dropout | ContinuousParameterRange | MinValue：0.0、MaxValue：1.0 | 
| early\$1stopping\$1patience | IntegerParameterRange | MinValue：1、MaxValue：5 | 
| early\$1stopping\$1tolerance | ContinuousParameterRange | MinValue：0.001、MaxValue：0.1 | 
| enc\$1dim | IntegerParameterRange | MinValue：4、MaxValue：4096 | 
| enc0\$1cnn\$1filter\$1width | IntegerParameterRange | MinValue：1、MaxValue：5 | 
| enc0\$1layers | IntegerParameterRange | MinValue：1、MaxValue：4 | 
| enc0\$1token\$1embedding\$1dim | IntegerParameterRange | MinValue：5、MaxValue：300 | 
| enc1\$1cnn\$1filter\$1width | IntegerParameterRange | MinValue：1、MaxValue：5 | 
| enc1\$1layers | IntegerParameterRange | MinValue：1、MaxValue：4 | 
| enc1\$1token\$1embedding\$1dim | IntegerParameterRange | MinValue：5、MaxValue：300 | 
| epochs | IntegerParameterRange | MinValue：4、MaxValue：20 | 
| learning\$1rate | ContinuousParameterRange | MinValue：1e-6、MaxValue：1.0 | 
| mini\$1batch\$1size | IntegerParameterRange | MinValue：1、MaxValue：8192 | 
| mlp\$1activation | CategoricalParameterRanges |  [`tanh`, `relu`, `linear`]  | 
| mlp\$1dim | IntegerParameterRange | MinValue：16、MaxValue：1024 | 
| mlp\$1layers | IntegerParameterRange | MinValue：1、MaxValue：4 | 
| optimizer | CategoricalParameterRanges | [`adagrad`, `adam`, `rmsprop`, `sgd`, `adadelta`] | 
| weight\$1decay | ContinuousParameterRange | MinValue：0.0、MaxValue：1.0 |