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。

# 調整 TabTransformer 模型
<a name="tabtransformer-tuning"></a>

*自動模型調校*，又稱為超參數調校，會透過在您的訓練和驗證資料集上，執行許多測試超參數範圍的任務，來尋找最佳版本的模型。模型調整著重於以下超參數：

**注意**  
學習目標函式和評估指標會基於分類任務的類型自動指派，這是由標籤欄中唯一整數的數量所決定。如需詳細資訊，請參閱[TabTransformer 超參數](tabtransformer-hyperparameters.md)。
+ 要在模型訓練期間最佳化的學習目標函式
+ 用於在驗證期間評估模型效能的評估指標
+ 自動調整模型時要使用的一組超參數和一系列值

自動模型調整會搜尋您選擇的超參數，以找到產生可最佳化所選評估指標之模型的值組合。

**注意**  
您僅能從 Amazon SageMaker SDK 使用 TabTransformer 的自動模型調整功能，而不能從 SageMaker AI 主控台使用。

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 TabTransformer 演算法運算的評估指標
<a name="tabtransformer-metrics"></a>

SageMaker AI TabTransformer 演算法會運算下列指標，以用於模型驗證。評估指標會根據分類任務的類型自動指派，該類型由標籤欄中的唯一整數數目決定。


| 指標名稱 | 說明 | 最佳化方向 | 正則表達式 | 
| --- | --- | --- | --- | 
| r2 | R 平方 | 最大化 | "metrics={'r2': (\\\\S\+)}" | 
| f1\_score | 二進位交叉熵 | 最大化 | "metrics={'f1': (\\\\S\+)}" | 
| accuracy\_score | 多類交叉熵 | 最大化 | "metrics={'accuracy': (\\\\S\+)}" | 

## 可調整 TabTransformer 超參數
<a name="tabtransformer-tunable-hyperparameters"></a>

使用下列超參數調整 TabTransformer 模型。對於最佳化 TabTransformer 評估指標具有最大影響的超參數為： `learning_rate`、`input_dim`、`n_blocks`、`attn_dropout`、`mlp_dropout` 和 `frac_shared_embed`。如需所有 TabTransformer 超參數的清單，請參閱[TabTransformer 超參數](tabtransformer-hyperparameters.md)。


| 參數名稱 | 參數類型 | 建議範圍 | 
| --- | --- | --- | 
| learning\_rate | ContinuousParameterRanges | MinValue：0.001、MaxValue：0.01 | 
| input\_dim | CategoricalParameterRanges | [16, 32, 64, 128, 256, 512] | 
| n\_blocks | IntegerParameterRanges | MinValue：1、MaxValue：12 | 
| attn\_dropout | ContinuousParameterRanges | MinValue：0.0、MaxValue：0.8 | 
| mlp\_dropout | ContinuousParameterRanges | MinValue：0.0、MaxValue：0.8 | 
| frac\_shared\_embed | ContinuousParameterRanges | MinValue：0.0、MaxValue：0.5 |