기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # 이미지 분류 - 텐서플로우 하이퍼파라미터 하이퍼파라미터는 기계 학습 모델이 학습을 시작하기 전에 설정되는 파라미터입니다. 다음 하이퍼파라미터는 Amazon SageMaker AI 기본 제공 이미지 분류 - TensorFlow 알고리즘에서 지원됩니다. 하이퍼파라미터 튜닝 관련 정보는 [이미지 분류 - TensorFlow 모델 튜닝](IC-TF-tuning.md) 섹션을 참조하세요. | 파라미터 이름 | 설명 | | --- | --- | | augmentation | `augmentation_random_flip`, `augmentation_random_rotation` 및 `augmentation_random_zoom`을 훈련 데이터에 적용하기 위해 `"True"`로 설정합니다.
유효한 값: 문자열, 다음 중 하나: (`"True"` 또는 `"False"`).
기본값: `"False"`. | | augmentation\_random\_flip | `augmentation`이 `"True"`로 설정된 경우 데이터 증대에 사용할 플립 모드를 나타냅니다. 자세한 내용은 TensorFlow 설명서에서 [RandomFlip](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomFlip)을 참조하세요.
유효한 값: 문자열, 다음 중 하나: (`"horizontal_and_vertical"`, `"vertical"` 또는 `"None"`).
기본값: `"horizontal_and_vertical"`. | | augmentation\_random\_rotation | `augmentation`이 `"True"`로 설정된 경우 데이터 증강에 사용할 회전량을 나타냅니다. 값은 2π의 일부를 나타냅니다. 양수 값은 시계 반대 방향으로 회전하고 음수 값은 시계 방향으로 회전합니다. `0`은 회전이 없음을 의미합니다. 자세한 내용은 TensorFlow 설명서에서 [RandomRotation](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomRotation)을 참조하세요.
유효한 값: 부동 소수점, 범위: [`-1.0`, `1.0`].
기본값: `0.2`. | | augmentation\_random\_zoom | `augmentation`이 `"True"`로 설정된 경우 데이터 증강에 사용할 세로 줌의 정도를 나타냅니다. 양수 값은 축소되고 음수 값은 확대됩니다. `0`은 확대/축소가 없음을 의미합니다. 자세한 내용은 TensorFlow 설명서의 [RandomZoom](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomZoom)을 참조하세요.
유효한 값: 부동 소수점, 범위: [`-1.0`, `1.0`].
기본값: `0.1`. | | batch\_size | 훈련용 배치 크기. GPU가 여러 개인 인스턴스로 훈련할 경우에는 이 배치 크기가 모든 GPU에서 사용됩니다.
유효한 값: 양수.
기본값: `32`. | | beta\_1 | `"adam"` 최적화 프로그램용 beta1. 1차 추정치의 지수 감소율을 나타냅니다. 다른 옵티마이저의 경우 무시됩니다.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.9`. | | beta\_2 | `"adam"` 최적화 프로그램용 beta2. 2차 추정치의 지수 감소율을 나타냅니다. 다른 옵티마이저의 경우 무시됩니다.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.999`. | | binary\_mode | `binary_mode`가 `"True"`로 설정된 경우 모델은 포지티브 클래스에 대해 단일 확률 수를 반환하며 추가 `eval_metric` 옵션을 사용할 수 있습니다. 바이너리 분류 문제에만 사용하세요.
유효한 값: 문자열, 다음 중 하나: (`"True"` 또는 `"False"`).
기본값: `"False"`. | | dropout\_rate | 최상위 분류 레이어에 있는 드롭아웃 레이어의 드롭아웃 비율.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.2` | | early\_stopping | 훈련 중 조기 중지 로직을 사용하기 위한 `"True"` 설정 여부. `"False"`인 경우에는 조기 중지를 사용하지 않습니다.
유효한 값: 문자열, 다음 중 하나: (`"True"` 또는 `"False"`).
기본값: `"False"`. | | early\_stopping\_min\_delta | 개선으로 인정받는 데 필요한 최소 변화. early\_stopping\_min\_delta의 값보다 작은 절대 변화는 개선으로 인정되지 않습니다. early\_stopping이 "True"로 설정된 경우에만 사용합니다.유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.0`. | | early\_stopping\_patience | 개선이 없는 상태에서도 훈련을 계속할 수 있는 에포크의 수. `early_stopping`이 `"True"`로 설정된 경우에만 사용합니다.
유효한 값: 양수.
기본값: `5`. | | epochs | 훈련 epoch의 수.
유효한 값: 양수.
기본값: `3`. | | epsilon | `"adam"`, `"rmsprop"`, `"adadelta"`, `"adagrad"` 최적화 프로그램 전용 엡실론. 0으로 나눠지지 않도록 대개 작은 값으로 설정됩니다. 다른 옵티마이저의 경우 무시됩니다.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `1e-7`. | | eval\_metric | `binary_mode`가 `"False"`로 설정된 경우 `eval_metric`은 `"accuracy"`만 될 수 있습니다. `binary_mode`가 `"True"`이면, 유효한 값 중 하나를 선택하세요. 자세한 내용은 TensorFlow 설명서의 [Metrics](https://www.tensorflow.org/api_docs/python/tf/keras/metrics)를 참조하세요.
유효한 값: 문자열, 다음 중 하나: (`"accuracy"`, `"precision"`, `"recall"`, `"auc"` 또는 `"prc"`).
기본값: `"accuracy"`. | | image\_resize\_interpolation | 이미지 크기를 조정할 때 사용되는 보간 방법을 나타냅니다. 자세한 내용은 TensorFlow 설명서의 [image.resize](https://www.tensorflow.org/api_docs/python/tf/image/resize)를 참조하세요.
유효한 값: 문자열, 다음 중 하나: (`"bilinear"`, `"nearest"`, `"bicubic"`, `"area"`, ` "lanczos3"`, `"lanczos5"`, `"gaussian"` 또는 `"mitchellcubic"`).
기본값: `"bilinear"`. | | initial\_accumulator\_value | `"adagrad"` 최적화 프로그램 전용 누적기의 시작 값 또는 파라미터별 모멘텀 값. 다른 옵티마이저의 경우 무시됩니다.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.0001`. | | label\_smoothing | 레이블 값에 대한 신뢰도를 어느 정도 완화해야 하는지를 나타냅니다. 예를 들어, `label_smoothing`이 `0.1`이면 비대상 레이블은 `0.1/num_classes `이고 대상 레이블은 `0.9+0.1/num_classes`입니다.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.1`. | | learning\_rate | 최적화 프로그램 학습률.유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.001`. | | momentum | `"sgd"`, `"nesterov"` 및 `"rmsprop"` 옵티마이저의 모멘텀. 다른 옵티마이저의 경우 무시됩니다.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.9`. | | optimizer | 옵티마이저 유형. 자세한 내용은 TensorFlow 설명서의 [최적화 프로그램](https://www.tensorflow.org/api_docs/python/tf/keras/optimizers)을 참조하세요.
유횻값: 문자열, 다음 중 하나: (`"adam"`, `"sgd"`, `"nesterov"`, `"rmsprop"`, ` "adagrad"`, `"adadelta"`).
기본값: `"adam"`. | | regularizers\_l2 | 분류 계층의 고밀도 계층을 위한 L2 정규화 인자.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `.0001`. | | reinitialize\_top\_layer | `"Auto"`로 설정하면 미세 조정 중에 최상위 분류 계층 파라미터가 다시 초기화됩니다. 증분 훈련에서 최상위 분류 계층 파라미터는 `"True"`로 설정된 경우를 제외하면 다시 초기화되지 않습니다.
유효한 값: 문자열, 다음 중 하나: (`"Auto"`, `"True"` 또는 `"False"`).
기본값: `"Auto"`. | | rho | `"adadelta"` 및 `"rmsprop"` 최적화 프로그램의 그라데이션에 대한 할인 계수입니다. 다른 옵티마이저의 경우 무시됩니다.
유효한 값: 부동 소수점, 범위: [`0.0`, `1.0`].
기본값: `0.95`. | | train\_only\_top\_layer | `"True"`인 경우 최상위 분류 계층 파라미터만 미세 조정됩니다. `"False"`인 경우 모든 모델 파라미터가 미세 조정됩니다.
유효한 값: 문자열, 다음 중 하나: (`"True"` 또는 `"False"`).
기본값: `"False"`. |