Rilevamento di oggetti - TensorFlow Iperparametri - Amazon SageMaker AI

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Rilevamento di oggetti - TensorFlow Iperparametri

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

Nome parametro Description
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 Optimizers nella TensorFlow documentazione.

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".