As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá. # Classificação de imagens - TensorFlow Hiperparâmetros Hiperparâmetros são parâmetros definidos antes de um modelo de machine learning começar a aprender. Os hiperparâmetros a seguir são compatíveis com o TensorFlow algoritmo de Classificação de Imagem incorporado ao Amazon SageMaker AI. Para obter informações sobre ajuste de hiperparâmetros, consulte [Ajustar uma classificação de imagens - TensorFlow modelo](IC-TF-tuning.md). | Nome do parâmetro | Description | | --- | --- | | augmentation | Defina `"True"` para aplicar `augmentation_random_flip`, `augmentation_random_rotation` e `augmentation_random_zoom` nos dados de treinamento.
Valores válidos: string, ou: (`"True"` ou `"False"`).
Valor padrão: `"False"`. | | augmentation\_random\_flip | Indica qual modo de inversão usar para aumentar os dados quando `augmentation` está definido como `"True"`. Para obter mais informações, consulte [RandomFlip](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomFlip)a TensorFlow documentação.
Valores válidos: string, qualquer um dos seguintes: (`"horizontal_and_vertical"`, `"vertical"` ou `"None"`).
Valor padrão: `"horizontal_and_vertical"`. | | augmentation\_random\_rotation | Indica quanta rotação usar para aumentar os dados quando `augmentation` está definido como `"True"`. Os valores representam uma fração de 2π. Valores positivos giram no sentido anti-horário, enquanto valores negativos giram no sentido horário. `0` significa nenhuma rotação. Para obter mais informações, consulte [RandomRotation](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomRotation)a TensorFlow documentação.
Valores válidos: flutuante, intervalo: [`-1.0`, `1.0`].
Valor padrão: `0.2`. | | augmentation\_random\_zoom | Indica quanto zoom vertical usar para aumentar os dados quando `augmentation` está definido como `"True"`. Os valores positivos reduzem o zoom, enquanto os valores negativos ampliam o zoom. `0` significa que não há zoom. Para obter mais informações, consulte [RandomZoom](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomZoom)a TensorFlow documentação.
Valores válidos: flutuante, intervalo: [`-1.0`, `1.0`].
Valor padrão: `0.1`. | | batch\_size | O tamanho do lote para treinamento. Para treinamento em instâncias com várias GPUs, esse tamanho de lote é usado em todo GPUs o.
Valores válidos: inteiro positivo.
Valor padrão: `32`. | | beta\_1 | O beta1 para o otimizador `"adam"`. Representa a taxa de degradação exponencial para as estimativas de primeiro momento. Ignorado por outros otimizadores.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.9`. | | beta\_2 | O beta2 para o otimizador `"adam"`. Representa a taxa de degradação exponencial para as estimativas de segundo momento. Ignorado por outros otimizadores.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.999`. | | binary\_mode | Quando `binary_mode` é definido como `"True"`, o modelo retorna um único número de probabilidade para a classe positiva e pode usar `eval_metric` opções adicionais. Use somente para problemas de classificação binária.
Valores válidos: string, ou: (`"True"` ou `"False"`).
Valor padrão: `"False"`. | | dropout\_rate | A taxa de eliminação da camada de eliminação na camada de classificação superior.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.2` | | early\_stopping | Defina para `"True"` para usar a lógica de interrupção antecipada durante o treinamento. Se `"False"`, a interrupção antecipada não é usada.
Valores válidos: string, ou: (`"True"` ou `"False"`).
Valor padrão: `"False"`. | | early\_stopping\_min\_delta | A alteração mínima necessária para se qualificar como uma melhoria. Uma mudança absoluta menor que o valor de early\_stopping\_min\_delta não se qualifica como melhoria. Usado somente quando early\_stopping for definido como "True".Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.0`. | | early\_stopping\_patience | O número de épocas para continuar treinando sem melhorias. Usado somente quando `early_stopping` for definido como `"True"`.
Valores válidos: inteiro positivo.
Valor padrão: `5`. | | epochs | O número de epochs de treinamento.
Valores válidos: inteiro positivo.
Valor padrão: `3`. | | epsilon | O épsilon para os otimizadores `"adam"`, `"rmsprop"`, `"adadelta"` e `"adagrad"`. Geralmente é definido como um valor baixo, para evitar a divisão por 0. Ignorado por outros otimizadores.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `1e-7`. | | eval\_metric | Se `binary_mode` for definido como `"False"`, `eval_metric` só pode ser `"accuracy"`. Se `binary_mode` for `"True"`, selecione qualquer um dos valores válidos. Para obter mais informações, consulte [Métricas](https://www.tensorflow.org/api_docs/python/tf/keras/metrics) na TensorFlow documentação.
Valores válidos: string, qualquer um dos seguintes: (`"accuracy"`, `"precision"`, `"recall"`, `"auc"` ou `"prc"`).
Valor padrão: `"accuracy"`. | | image\_resize\_interpolation | Indica o método de interpolação usado ao redimensionar imagens. Para obter mais informações, consulte [image.resize](https://www.tensorflow.org/api_docs/python/tf/image/resize) na documentação. TensorFlow
Valores válidos: string, qualquer um dos seguintes: (`"bilinear"`, `"nearest"`, `"bicubic"`, `"area"`,` "lanczos3"` , `"lanczos5"`, `"gaussian"`ou `"mitchellcubic"`).
Valor padrão: `"bilinear"`. | | initial\_accumulator\_value | O valor inicial para os acumuladores, ou os valores de momentum por parâmetro, para o otimizador `"adagrad"`. Ignorado por outros otimizadores.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.0001`. | | label\_smoothing | Indica o quanto relaxar a confiança nos valores do rótulo. Por exemplo, se `label_smoothing` for `0.1`, os rótulos que não são de destino são `0.1/num_classes ` e os rótulos de destino são `0.9+0.1/num_classes`.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.1`. | | learning\_rate | A taxa de aprendizado do otimizador. Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.001`. | | momentum | A dinâmica para os otimizadores `"sgd"`, `"nesterov"` e `"rmsprop"`. Ignorado por outros otimizadores.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.9`. | | optimizer | O tipo de otimizador. Para obter mais informações, consulte [Otimizadores](https://www.tensorflow.org/api_docs/python/tf/keras/optimizers) na TensorFlow documentação.
Valores válidos: string, qualquer um dos seguintes: (`"adam"`, `"sgd"`, `"nesterov"`, `"rmsprop"`, ` "adagrad"` ou `"adadelta"`).
Valor padrão: `"adam"`. | | regularizers\_l2 | O fator de regularização L2 para a camada densa na camada de classificação.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `.0001`. | | reinitialize\_top\_layer | Se definido como `"Auto"`, os parâmetros da camada de classificação superior são reinicializados durante o ajuste fino. Para treinamento incremental, os parâmetros da camada de classificação superior não são reinicializados, a menos que sejam definidos como `"True"`.
Valores válidos: string, qualquer um dos seguintes: (`"Auto"`, `"True"` ou `"False"`).
Valor padrão: `"Auto"`. | | rho | O fator de desconto para o gradiente dos otimizadores `"adadelta"` e `"rmsprop"`. Ignorado por outros otimizadores.
Valores válidos: flutuante, intervalo: [`0.0`, `1.0`].
Valor padrão: `0.95`. | | train\_only\_top\_layer | Se `"True"`, somente os parâmetros da camada de classificação superior forem ajustados. Se `"False"`, todos os parâmetros do modelo são ajustados.
Valores válidos: string, ou: (`"True"` ou `"False"`).
Valor padrão: `"False"`. |