Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# BlazingText Iperparametri
Quando avvii un processo di addestramento con una richiesta `CreateTrainingJob`, specifichi un algoritmo di addestramento. È inoltre possibile specificare iperparametri specifici dell'algoritmo come mappe. string-to-string Gli iperparametri dell' BlazingText algoritmo dipendono dalla modalità utilizzata: Word2Vec (senza supervisione) e Text Classification (supervisionata).
## Iperparametri Word2Vec
La tabella seguente elenca gli iperparametri per l'algoritmo di addestramento BlazingText Word2Vec fornito da Amazon AI. SageMaker
| Nome parametro | Description |
| --- | --- |
| mode | L'architettura Word2vec utilizzata per l’addestramento.
**Campo obbligatorio**
Valori validi: `batch_skipgram`, `skipgram` o `cbow` |
| batch\_size | La dimensione di ogni batch quando `mode` è impostato su `batch_skipgram`. Imposta su un numero tra 10 e 20.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 11 |
| buckets | Il numero di bucket hash da utilizzare per le parole secondarie.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 2000000 |
| epochs | Il numero di pass completi tramite i dati di addestramento.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 5 |
| evaluation | [Se il modello addestrato viene valutato utilizzando il test -353. WordSimilarity](http://www.gabrilovich.com/resources/data/wordsim353/wordsim353.html)
**Opzionale**
Valori validi: (booleani) `True` o `False`
Valore predefinito: `True` |
| learning\_rate | L'incremento utilizzato per gli aggiornamenti dei parametri.
**Opzionale**
Valori validi: float positivi
Valore predefinito: 0,05 |
| min\_char | Il numero minimo di caratteri da utilizzare per n-grammi di parole secondarie/caratteri.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 3 |
| min\_count | Le parole che appaiono meno di `min_count` volte vengono eliminate.
**Opzionale**
Valori validi: numeri interi non negativi
Valore predefinito: 5 |
| max\_char | Il numero massimo di caratteri da utilizzare per n-grammi di parole secondarie/caratteri.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 6 |
| negative\_samples | Il numero di Negative Sample per la strategia Negative Sample Sharing.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 5 |
| sampling\_threshold | Il limite di occorrenza delle parole. Le parole che appaiono con maggiore frequenza nei dati di addestramento sono casualmente sottocampionate.
**Opzionale**
Valori validi: frazioni positive. L'intervallo consigliato è (0, 1e-3)
Valore predefinito: 0.0001 |
| subwords | Indica se eseguire o meno l’addestramento degli incorporamenti delle parole secondarie.
**Opzionale**
Valori validi: (booleani) `True` o `False`
Valore predefinito: `False` |
| vector\_dim | La dimensione dei vettori di parola che l'algoritmo impara.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 100 |
| window\_size | Le dimensioni della finestra contestuale. La finestra contestuale è il numero di parole che circondano la parola di target utilizzata per l’addestramento.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 5 |
## Iperparametri di classificazione del testo
La tabella seguente elenca gli iperparametri per l'algoritmo di training sulla classificazione del testo fornito da Amazon SageMaker AI.
**Nota**
Sebbene alcuni parametri siano comuni tra la modalità di classificazione del testo e Word2Vec, potrebbero avere significati diversi a seconda del contesto.
| Nome parametro | Description |
| --- | --- |
| mode | La modalità di addestramento.
**Campo obbligatorio**
Valori validi: `supervised` |
| buckets | Il numero di bucket hash da utilizzare per n-grammi di parole.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 2000000 |
| early\_stopping | Indica se interrompere l’addestramento nel caso in cui l'accuratezza della convalida non migliora dopo a numero `patience` di epoche (Unix epochs). Tieni presente che è necessario un canale di convalida se si utilizza l'arresto anticipato.
**Opzionale**
Valori validi: (booleani) `True` o `False`
Valore predefinito: `False` |
| epochs | Il numero massimo di pass completi tramite i dati di addestramento.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 5 |
| learning\_rate | L'incremento utilizzato per gli aggiornamenti dei parametri.
**Opzionale**
Valori validi: float positivi
Valore predefinito: 0,05 |
| min\_count | Le parole che appaiono meno di `min_count` volte vengono eliminate.
**Opzionale**
Valori validi: numeri interi non negativi
Valore predefinito: 5 |
| min\_epochs | Il numero minimo di epoche (Unix epochs) da addestrare prima che venga richiamata la logica di arresto precoce.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 5 |
| patience | Il numero di epoche (Unix epochs) da attendere prima di applicare l'arresto precoce quando non viene effettuato alcun progresso sul set di convalida. Usato solo quando `early_stopping` è `True`.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 4 |
| vector\_dim | La dimensione del livello di incorporamento.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 100 |
| word\_ngrams | Il numero di caratteristiche n-gramma di parole da utilizzare.
**Opzionale**
Valori validi: numeri interi positivi
Valore predefinito: 2 |