Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich. # Bildklassifizierung — TensorFlow Hyperparameter Hyperparameter sind Parameter, die festgelegt werden, bevor ein Machine-Learning-Modell mit dem Lernen beginnt. Die folgenden Hyperparameter werden vom in Amazon SageMaker AI integrierten Image Classification — TensorFlow Algorithmus unterstützt. Weitere Informationen zur Hyperparameter-Optimierung finden Sie unter [Optimieren Sie ein Modell zur Bildklassifizierung TensorFlow](IC-TF-tuning.md). | Name des Parameters | Description | | --- | --- | | augmentation | Legen Sie auf `"True"` fest, damit `augmentation_random_flip`, `augmentation_random_rotation`, und `augmentation_random_zoom` auf die Trainingsdaten angewendet werden. Gültige Werte: Zeichenfolge, entweder: (`"True"` or `"False"`). Standardwert: `"False"`. | | augmentation\$1random\$1flip | Gibt an, welcher Umkehrmodus für die Datenerweiterung verwendet werden soll, wenn `augmentation` auf `"True"` festgelegt ist. Weitere Informationen finden Sie [RandomFlip](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomFlip)in der TensorFlow Dokumentation. Gültige Werte: String, einer der folgenden Werte: (`"horizontal_and_vertical"`, `"vertical"` oder `"None"`). Standardwert: `"horizontal_and_vertical"`. | | augmentation\$1random\$1rotation | Gibt an, wie viel Rotation für die Datenerweiterung verwendet werden soll, wenn `augmentation` auf `"True"` festgelegt ist. Werte stellen einen Bruchteil von 2π dar. Positive Werte drehen sich gegen den Uhrzeigersinn, negative Werte drehen sich im Uhrzeigersinn. `0` bedeutet keine Rotation. Weitere Informationen finden Sie [RandomRotation](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomRotation)in der TensorFlow Dokumentation. Gültige Werte: Float, Bereich: [`-1.0`, `1.0`]. Standardwert: `0.2`. | | augmentation\$1random\$1zoom | Gibt an, wie viel vertikaler Zoom für die Datenvergrößerung verwendet werden soll, wenn `augmentation` auf `"True"` festgelegt ist. Bei positiven Werten wird herausgezoomt, bei negativen Werten hineingezoomt. `0` bedeutet kein Zoomen. Weitere Informationen finden Sie [RandomZoom](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomZoom)in der TensorFlow Dokumentation. Gültige Werte: Float, Bereich: [`-1.0`, `1.0`]. Standardwert: `0.1`. | | batch\$1size | Die Batch-Größe für das Training. Für Schulungen an Instanzen mit mehreren GPUs wird diese Batchgröße überall verwendet GPUs. Gültige Werte: positive Ganzzahl. Standardwert: `32`. | | beta\$11 | Die Beta1-Version für den `"adam"` Optimierer. Die exponentielle Zerfallsrate für Schätzwerte im ersten Schritt. Wird für andere Optimierer ignoriert. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `0.9`. | | beta\$12 | Die Beta2 für den Optimierer. `"adam"` Die exponentielle Zerfallsrate für Schätzwerte im zweiten Schritt. Wird für andere Optimierer ignoriert. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `0.999`. | | binary\$1mode | Wenn `binary_mode` auf `"True"` gesetzt ist, gibt das Modell eine einzelne Wahrscheinlichkeitszahl für die positive Klasse zurück und kann zusätzliche `eval_metric` Optionen verwenden. Nur für binäre Klassifikationsprobleme verwenden. Gültige Werte: String, entweder: (`"True"` oder `"False"`). Standardwert: `"False"`. | | dropout\$1rate | Die Abbrecherquote für die Dropout-Ebene in der obersten Klassifizierungsebene. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `0.2` | | early\$1stopping | Setz auf `"True"`, um die Logik zum Early-Stopping während des Trainings zu verwenden. Falls `"False"`, wird vorzeitiges Abbrechen nicht verwendet. Gültige Werte: Zeichenfolge, entweder: (`"True"` oder `"False"`). Standardwert: `"False"`. | | early\$1stopping\$1min\$1delta | Die geringste Änderung, die erforderlich ist, um als Verbesserung zu gelten. Eine absolute Änderung, die unter dem Wert von early\$1stopping\$1min\$1delta liegt, gilt nicht als Verbesserung. Wird nur verwendet, wenn für early\$1stopping der Wert "True" festgelegt ist.Gültige Werte: Float, Bereich: [`0.0`, `1.0`].Standardwert: `0.0`. | | early\$1stopping\$1patience | Die Anzahl der Epochen, in denen die Ausbildung ohne Verbesserung fortgesetzt wird. Wird nur verwendet, wenn für `early_stopping` der Wert `"True"` festgelegt ist. Gültige Werte: positive Ganzzahl. Standardwert: `5`. | | epochs | Die Anzahl der Trainingsepochen. Gültige Werte: positive Ganzzahl. Standardwert: `3`. | | epsilon | Das Epsilon für `"adam"`, `"rmsprop"`, `"adadelta"`, und `"adagrad"`. Normalerweise auf einen kleinen Wert eingestellt, um eine Division durch 0 zu vermeiden. Wird für andere Optimierer ignoriert. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `1e-7`. | | eval\$1metric | Wenn `binary_mode` auf `"False"` festgelegt ist, kann `eval_metric` nur `"accuracy"` sein. Wenn `binary_mode` `"True"` ist, wählen Sie einen der gültigen Werte aus. Weitere Informationen finden Sie in der TensorFlow Dokumentation unter [Metriken](https://www.tensorflow.org/api_docs/python/tf/keras/metrics). Gültige Werte: String, einer der folgenden Werte: (`"accuracy"`, `"precision"`, `"recall"`, `"auc"` oder`"prc"`). Standardwert: `"accuracy"`. | | image\$1resize\$1interpolation | Gibt die Interpolationsmethode an, die bei der Größenänderung von Bildern verwendet wird. Weitere Informationen finden Sie unter [image.resize in der Dokumentation](https://www.tensorflow.org/api_docs/python/tf/image/resize). TensorFlow Gültige Werte: string, einer der folgenden Werte: (`"bilinear"`, `"nearest"`, `"bicubic"`, `"area"`, ` "lanczos3"`, `"lanczos5"`, `"gaussian"` oder `"mitchellcubic"`). Standardwert: `"bilinear"`. | | initial\$1accumulator\$1value | Der Startwert für die Akkumulatoren oder die Impulswerte pro Parameter für den `"adagrad"` Optimierer. Wird für andere Optimierer ignoriert. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `0.0001`. | | label\$1smoothing | Gibt an, um wie viel das Vertrauen in Label-Werte gelockert werden soll. Wenn beispielsweise `label_smoothing` `0.1` ist, dann sind Beschriftungen, die nicht zu den Zielbezeichnungen gehören, `0.1/num_classes ` und Zielbeschriftungen sind `0.9+0.1/num_classes`. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `0.1`. | | learning\$1rate | Die Lernrate des Optimierers. Gültige Werte: Float, Bereich: [`0.0`, `1.0`].Standardwert: `0.001`. | | momentum | Die Dynamik für `"sgd"`, `"nesterov"` und `"rmsprop"`-Optimierer. Wird für andere Optimierer ignoriert. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `0.9`. | | optimizer | Der Optimierer-Typ. Weitere Informationen finden Sie in der Dokumentation unter [Optimizers](https://www.tensorflow.org/api_docs/python/tf/keras/optimizers). TensorFlow Gültige Werte: Zeichenfolge, einer der folgenden Werte: (`"adam"`, `"sgd"`, `"nesterov"`, `"rmsprop"`,` "adagrad"` , `"adadelta"`). Standardwert: `"adam"`. | | regularizers\$1l2 | Der L2-Regularisierungsfaktor für die dichte Schicht in der Klassifizierungsschicht. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `.0001`. | | reinitialize\$1top\$1layer | Wenn dieser Wert auf `"Auto"` gesetzt ist, werden die Parameter der obersten Klassifikationsschicht während der Feinabstimmung neu initialisiert. Beim inkrementellen Training werden die Parameter der obersten Klassifikationsschicht nur dann neu initialisiert, wenn sie auf `"True"` gesetzt sind. Gültige Werte: Zeichenfolge, einer der folgenden Werte: (`"Auto"`, `"True"` oder `"False"`). Standardwert: `"Auto"`. | | rho | Der Abzinsungsfaktor für den Gradienten der `"adadelta"` und `"rmsprop"` Optimierer. Wird für andere Optimierer ignoriert. Gültige Werte: Float, Bereich: [`0.0`, `1.0`]. Standardwert: `0.95`. | | train\$1only\$1top\$1layer | Falls `"True"`, werden nur die Parameter der obersten Klassifikationsschicht fein abgestimmt. Falls `"False"`, werden alle Modellparameter fein abgestimmt. Gültige Werte: Zeichenfolge, entweder: (`"True"` or `"False"`). Standardwert: `"False"`. |