Iperparametri di Rilevamento degli oggetti - TensorFlow - Amazon SageMaker AI

Iperparametri di Rilevamento degli oggetti - TensorFlow

Gli iperparametri sono parametri impostati prima che un modello di machine learning inizi l'apprendimento. I seguenti iperparametri sono supportati dall’algoritmo Rilevamento degli oggetti - TensorFlow integrato di Amazon SageMaker AI. Per ulteriori informazioni sull'ottimizzazione iperparametri, consulta Ottimizzazione di un modello Rilevamento degli oggetti - TensorFlow.

Nome parametro Descrizione
batch_size

Le dimensioni del batch per l’addestramento.

Valori validi: numeri interi positivi.

Valore predefinito: 3.
beta_1

La beta1 per l'ottimizzatore "adam". Rappresenta la percentuale di decadimento esponenziale per stime di primo momento. Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.9.
beta_2

La beta2 per l'ottimizzatore "adam". Rappresenta la percentuale di decadimento esponenziale per stime di secondo momento. Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.999.
early_stopping

Imposta su "True" per utilizzare la logica di arresto precoce durante l’addestramento. Se "False", l'arresto anticipato non viene utilizzato.

Valori validi: stringa: ("True" o "False").

Valore predefinito: "False".
early_stopping_min_delta La modifica minima necessaria per qualificarsi come miglioramento. Una variazione assoluta inferiore al valore di early_stopping_min_delta non si qualifica come miglioramento. Usato solo quando early_stopping è impostato su "True".

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.0.
early_stopping_patience

Il numero di epoche in cui continuare l’addestramento senza alcun miglioramento. Usato solo quando early_stopping è impostato su "True".

Valori validi: numeri interi positivi.

Valore predefinito: 5.
epochs

Il numero di epoche (Unix epochs) di addestramento.

Valori validi: numeri interi positivi.

Valore predefinito: 5 per modelli più piccoli, 1 per modelli più grandi.
epsilon

L'epsilon per gli ottimizzatori "adam", "rmsprop", "adadelta" e "adagrad". Di solito è impostato su un piccolo valore per evitare la divisione per 0. Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 1e-7.
initial_accumulator_value

Il valore iniziale per gli accumulatori o i valori di momento per parametro per l'ottimizzatore "adagrad". Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.1.
learning_rate La velocità di apprendimento dell'ottimizzatore.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.001.
momentum

Il momento per gli ottimizzatori "sgd" e "nesterov". Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.9.
optimizer

Il tipo di ottimizzazione. Per ulteriori informazioni, consulta Ottimizzatori nella documentazione di TensorFlow.

Valori validi: stringa, uno dei seguenti valori: ("adam", "sgd", "nesterov", "rmsprop", "adagrad", "adadelta").

Valore predefinito: "adam".
reinitialize_top_layer

Se impostato su "Auto", i parametri del livello di classificazione superiore vengono reinizializzati durante l’ottimizzazione. Per l'addestramento incrementale, i parametri del livello di classificazione superiore non vengono reinizializzati a meno che non siano impostati su "True".

Valori validi: stringa, uno dei seguenti valori: ("Auto", "True" o "False").

Valore predefinito: "Auto".
rho

Il fattore di sconto per il gradiente degli ottimizzatori "adadelta" e "rmsprop". Ignorato per altri ottimizzatori.

Valori validi: float, intervallo: [0.0, 1.0].

Valore predefinito: 0.95.
train_only_on_top_layer

Se "True", solo i parametri del livello di classificazione superiore vengono ottimizzati. Se "False", tutti i parametri del modello vengono ottimizzati.

Valori validi: stringa: ("True" o "False").

Valore predefinito: "False".