本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# NTM 超参数
<a name="ntm_hyperparameters"></a>

下表列出了您可以为 Amazon A SageMaker I 神经主题模型 (NTM) 算法设置的超参数。


| 参数名称 | 说明 | 
| --- | --- | 
| `feature_dim` | 数据集的词汇表大小。<br />**必填**<br />有效值：正整数 (最小值：1，最大值：1,000,000) | 
| num\_topics | 所需的主题数。<br />**必填**<br />有效值：正整数 (最小值：2，最大值：1000) | 
| batch\_norm | 在训练过程中是否使用批处理标准化。<br />**可选**<br />有效值：*true* 或 *false*<br />默认值：*false* | 
| clip\_gradient | 每个梯度组件的最大幅度。<br />**可选**<br />有效值：浮点型（最小值：1e-3）<br />默认值：无限 | 
| encoder\_layers | 编码器中的层数和每个层的输出大小。当设置为 *auto* 时，算法使用各自大小为 3 x `num_topics` 和 2 x `num_topics` 的两个层。<br />**可选**<br />*有效值：正整数 Comma-separated 列表或 auto*<br />默认值：*auto* | 
| encoder\_layers\_activation | 要在编码器层中使用的激活函数。<br />**可选**<br />有效值：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/ntm_hyperparameters.html)<br />默认值：`sigmoid` | 
| epochs | 扫描训练数据的最大次数。<br />**可选**<br />有效值：正整数（最小值：1）<br />默认值：50 | 
| learning\_rate | 优化程序的学习率。<br />**可选**<br />有效值：浮点型（最小值：1e-6，最大值：1.0）<br />默认值：0.001 | 
| mini\_batch\_size | 每个小批量中的示例数。<br />**可选**<br />有效值：正整数 (最小值：1，最大值：10000)<br />默认值：256 | 
| num\_patience\_epochs | 计算提前停止标准所依据的连续纪元数。当损失函数的变化在最近 `num_patience_epochs` 个纪元内低于指定 `tolerance` 时，将触发提前停止。要禁用提早停止，请将 `num_patience_epochs` 设置为一个大于 `epochs` 的值。<br />**可选**<br />有效值：正整数（最小值：1）<br />默认值：3 | 
| optimizer | 用于训练的优化程序。<br />**可选**<br />有效值：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_cn/sagemaker/latest/dg/ntm_hyperparameters.html)<br />默认值：`adadelta` | 
| rescale\_gradient | 梯度的缩放因子。<br />**可选**<br />有效值：浮点型（最小值：1e-3，最大值：1.0）<br />默认值：1.0 | 
| sub\_sample | 每个纪元中要采样用于训练的训练数据的一部分。<br />**可选**<br />有效值：浮点型（最小值：0.0，最大值：1.0）<br />默认值：1.0 | 
| tolerance | 损失函数的最大相对变化。当损失函数的变化在最近 `num_patience_epochs` 个纪元内低于此值时，将触发提前停止。<br />**可选**<br />有效值：浮点型（最小值：1e-6，最大值：0.1）<br />默认值：0.001 | 
| weight\_decay |  权重衰减系数。添加 L2 正则化。<br />**可选**<br />有效值：浮点型（最小值：0.0，最大值：1.0）<br />默认值：0.0 |