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 DeepAR 模型
<a name="deepar-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。您可以從演算法運算的指標中選擇目標指標。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)。

## 由 DeepAR 演算法運算的指標
<a name="deepar-metrics"></a>

DeepAR 演算法會報告三個指標，這三個指標都是在訓練期間運算而得。調校模型時，請選擇這些指標中的其中一個做為目標。針對目標，請使用所提供測試通道上的預測準確度 (建議) 或訓練損失。如需 DeepAR 演算法訓練/測試分割的建議事項，請參閱[使用 DeepAR 演算法的最佳實務](deepar.md#deepar_best_practices)。


| 指標名稱 | Description | 最佳化方向 | 
| --- | --- | --- | 
| test:RMSE |  預測和測試集上實際運算目標之間的均方根誤差。  |  最小化  | 
| test:mean\$1wQuantileLoss |  在測試集上運算而得到的平均整體分位數損失。若要控制要使用的分位數，請設定 `test_quantiles` 超參數。  |  最小化  | 
| train:final\$1loss |  模型中最後一個訓練 epoch 內的平均負 log 可能性 (negative log-likelihood)。  |  最小化  | 

## DeepAR 演算法之可調校的超參數
<a name="deepar-tunable-hyperparameters"></a>

使用下列超參數調校 DeepAR 模型。依照程度最大到程度最小進行排序，對 DeepAR 目標指標影響程度最大的超參數為：`epochs`、`context_length`、`mini_batch_size`、`learning_rate` 與 `num_cells`。


| 參數名稱 | 參數類型 | 建議範圍 | 
| --- | --- | --- | 
| epochs |  `IntegerParameterRanges`  |  MinValue: 1、MaxValue: 1000  | 
| context\$1length |  `IntegerParameterRanges`  |  MinValue: 1、MaxValue: 200  | 
| mini\$1batch\$1size |  `IntegerParameterRanges`  |  MinValue: 32、MaxValue: 1028  | 
| learning\$1rate |  `ContinuousParameterRange`  |  MinValue: 1e-5、MaxValue: 1e-1  | 
| num\$1cells |  `IntegerParameterRanges`  |  MinValue: 30、MaxValue: 200  | 
| num\$1layers |  `IntegerParameterRanges`  |  MinValue: 1、MaxValue: 8  | 
| dropout\$1rate |  `ContinuousParameterRange`  |  MinValue: 0.00、MaxValue: 0.2  | 
| embedding\$1dimension |  `IntegerParameterRanges`  |  MinValue: 1、MaxValue: 50  |