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.

# Hiperparâmetros do NTM
<a name="ntm_hyperparameters"></a>

A tabela a seguir lista os hiperparâmetros que você pode definir para o algoritmo Amazon SageMaker AI Neural Topic Model (NTM).


| Nome do parâmetro | Description | 
| --- | --- | 
| `feature_dim` | O tamanho do vocabulário do conjunto de dados.<br />**Obrigatório**<br />Valores válidos: inteiro positivo (mínimo: 1; máximo: 1.000.000) | 
| num\_topics | O número de tópicos obrigatórios.<br />**Obrigatório**<br />Valores válidos: inteiro positivo (mínimo: 2; máximo: 1000) | 
| batch\_norm | Se a normalização de lote deve ser usada durante o treinamento.<br />**Opcional**<br />Valores válidos: *true* ou *false*<br />Valor padrão: *false* | 
| clip\_gradient | A magnitude máxima de cada componente de gradiente.<br />**Opcional**<br />Valores válidos: flutuante (mínimo: 1e-3)<br />Valor padrão: infinito | 
| encoder\_layers | O número de camadas no codificador e o tamanho da saída de cada camada. Quando definido como *auto*, o algoritmo usa duas camadas com 3 vezes o tamanho de `num_topics` e 2 vezes o tamanho de `num_topics` respectivamente. <br />**Opcional**<br />Valores válidos: lista separada por vírgulas de inteiros positivos ou *auto*<br />Valor padrão: *auto* | 
| encoder\_layers\_activation | A função de ativação a ser usada nos codificadores de camadas.<br />**Opcional**<br />Valores válidos: [See the AWS documentation website for more details](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/ntm_hyperparameters.html)<br />Valor padrão: `sigmoid` | 
| epochs | O número máximo de passagens nos dados de treinamento.<br />**Opcional**<br />Valores válidos: inteiro positivo (mínimo: 1)<br />Valor padrão: 50 | 
| learning\_rate | A taxa de aprendizado do otimizador.<br />**Opcional**<br />Valores válidos: flutuante (mínimo: 1e-6; máximo: 1,0)<br />Valor padrão: 0.001 | 
| mini\_batch\_size | O número de exemplos em cada minilote.<br />**Opcional**<br />Valores válidos: inteiro positivo (mínimo: 1; máximo: 10000)<br />Valor padrão: 256 | 
| num\_patience\_epochs | O número de epochs sucessivos sobre o qual cada critério de interrupção precoce é avaliado. A interrupção precoce é acionada quando a mudança na função de perda cai abaixo do `tolerance` especificado no último `num_patience_epochs` número de epochs. Para desativar a interrupção precoce, defina `num_patience_epochs` como um valor maior que `epochs`.<br />**Opcional**<br />Valores válidos: inteiro positivo (mínimo: 1)<br />Valor padrão: 3 | 
| optimizer | O otimizador a ser usado para o treinamento.<br />**Opcional**<br />Valores válidos:[See the AWS documentation website for more details](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/ntm_hyperparameters.html)<br />Valor padrão: `adadelta` | 
| rescale\_gradient | O fator de redimensionamento do gradiente.<br />**Opcional**<br />Valores válidos: flutuante (mínimo: 1e-3; máximo: 1,0)<br />Valor padrão: 1.0 | 
| sub\_sample | A fração dos dados de treinamento da qual obter uma amostra para treinamento por epoch.<br />**Opcional**<br />Valores válidos: flutuante (mínimo: 0,0; máximo: 1,0)<br />Valor padrão: 1.0 | 
| tolerance | A mudança relativa máxima na função de perda. A interrupção precoce é acionada quando a mudança na função de perda cai abaixo desse valor no último `num_patience_epochs` número de epochs.<br />**Opcional**<br />Valores válidos: flutuante (mínimo: 1e-6; máximo: 0,1)<br />Valor padrão: 0.001 | 
| weight\_decay |  O coeficiente de degradação do peso. Adiciona regularização L2.<br />**Opcional**<br />Valores válidos: flutuante (mínimo: 0,0; máximo: 1,0)<br />Valor padrão: 0.0 |