Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Detección de objetos: TensorFlow hiperparámetros
<a name="object-detection-tensorflow-Hyperparameter"></a>

Los hiperparámetros son parámetros que se establecen antes de que un modelo de machine learning comience a aprender. Los siguientes hiperparámetros son compatibles con el TensorFlow algoritmo integrado de detección de objetos de Amazon SageMaker AI. Para obtener más información sobre el ajuste de hiperparámetros, consulte [Ajuste un modelo de detección de objetos TensorFlow](object-detection-tensorflow-tuning.md). 


| Nombre del parámetro | Description (Descripción) | 
| --- | --- | 
| batch\_size | El tamaño del lote para la capacitación. <br />Valores válidos: número entero positivo.<br />Valor predeterminado: `3`. | 
| beta\_1 | La versión beta1 del optimizador `"adam"`. Representa la tasa de degradación exponencial para las estimaciones del primer momento. No se tiene en cuenta para otros optimizadores.<br />Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `0.9`. | 
| beta\_2 | La versión beta2 del optimizador `"adam"`. Representa la tasa de degradación exponencial para las estimaciones del segundo momento. No se tiene en cuenta para otros optimizadores.<br />Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `0.999`. | 
| early\_stopping | Se establece en `"True"` a fin de usar una lógica de detención temprana durante el entrenamiento. Si es `"False"`, no se utiliza la interrupción temprana.<br />Valores válidos: cadena (`"True"` o `"False"`).<br />Valor predeterminado: `"False"`. | 
| early\_stopping\_min\_delta | El cambio mínimo necesario para considerarse una mejora. Un cambio absoluto inferior al valor de early\_stopping\_min\_delta no se considera mejora. Solo se usa cuando early\_stopping está establecido en "True".Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `0.0`. | 
| early\_stopping\_patience | El número de epochs (fechas de inicio) para seguir entrenando sin que haya mejoras. Solo se usa cuando `early_stopping` está establecido en `"True"`.<br />Valores válidos: número entero positivo.<br />Valor predeterminado: `5`. | 
| epochs | El número de fechas de inicio de capacitación.<br />Valores válidos: número entero positivo.<br />Valor predeterminado: `5` para modelos más pequeños, `1` para modelos más grandes. | 
| epsilon | El valor épsilon para los optimizadores `"adam"`, `"rmsprop"`, `"adadelta"` y `"adagrad"`. Se suele establecer en un valor pequeño para evitar la división por 0. No se tiene en cuenta para otros optimizadores.<br />Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `1e-7`. | 
| initial\_accumulator\_value | El valor inicial de los acumuladores o los valores de impulso por parámetro del optimizador `"adagrad"`. No se tiene en cuenta para otros optimizadores.<br />Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `0.1`. | 
| learning\_rate | La tasa de aprendizaje del optimizador. Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `0.001`. | 
| momentum | El valor de impulso para los optimizadores `"sgd"` y `"nesterov"`. No se tiene en cuenta para otros optimizadores.<br />Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `0.9`. | 
| optimizer | El tipo de optimizador. Para obtener más información, consulte [Optimizadores](https://www.tensorflow.org/api_docs/python/tf/keras/optimizers) en la TensorFlow documentación.<br />Valores válidos: cadena, (`"adam"`, `"sgd"`, `"nesterov"`, `"rmsprop"`, ` "adagrad"` o `"adadelta"`).<br />Valor predeterminado: `"adam"`. | 
| reinitialize\_top\_layer | Si se establece en `"Auto"`, los parámetros de la capa de clasificación superior se reinicializan durante el ajuste. Para el entrenamiento incremental, los parámetros de la capa de clasificación superior no se reinicializan, a no ser que se establezca en `"True"`.<br />Valores válidos: cadena, `"Auto"`, `"True"` o `"False"`.<br />Valor predeterminado: `"Auto"`. | 
| rho | El factor de descuento para el gradiente de los optimizadores `"adadelta"` y `"rmsprop"`. No se tiene en cuenta para otros optimizadores. <br />Valores válidos: flotante, con el rango [`0.0`, `1.0`].<br />Valor predeterminado: `0.95`. | 
| train\_only\_on\_top\_layer | Si es `"True"`, solo se refinan los parámetros de la capa de clasificación superior. Si es `"False"`, todos los parámetros del modelo se refinan.<br />Valores válidos: cadena (`"True"` o `"False"`).<br />Valor predeterminado: `"False"`. |