本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 影像分類 - TensorFlow 參數
<a name="IC-TF-Hyperparameter"></a>

超參數是在機器學習模型開始學習之前設定的參數。Amazon SageMaker AI 內建的影像分類 - TensorFlow 演算法可支援下列超參數。如需有關超參數調校的資訊，請參閱[調校影像分類 - TensorFlow 模型](IC-TF-tuning.md)。


| 參數名稱 | Description | 
| --- | --- | 
| augmentation | 設定為 `"True"` 以套用 `augmentation_random_flip`、`augmentation_random_rotation` 和 `augmentation_random_zoom` 至訓練資料。<br />有效值：字串，可以是：(`"True"` 或 `"False"`)。<br />預設值：`"False"`。 | 
| augmentation\_random\_flip | 指出當 `augmentation` 設定為 `"True"` 時，要用哪個翻轉模式進行資料擴增。如需詳細資訊，請參閱 TensorFlow 文件中的 [RandomFlip](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomFlip)。<br />有效值：字串，下列任一項：(`"horizontal_and_vertical"`、`"vertical"` 或 `"None"`)。<br />預設值：`"horizontal_and_vertical"`。 | 
| augmentation\_random\_rotation | 指示當 `augmentation` 設定為 `"True"` 時，要旋轉多少以進行資料擴增。值表示 2π 的分數。正值會逆時針旋轉，而負值則順時針旋轉。`0` 代表不旋轉。如需詳細資訊，請參閱 TensorFlow 文件中的 [RandomRotation](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomRotation)。<br />有效值：浮動、範圍：[`-1.0`,`1.0`]。<br />預設值：`0.2`。 | 
| augmentation\_random\_zoom | 指示當 `augmentation` 設定為 `"True"` 時，要用多少垂直縮放量進行資料擴增。正值會縮小，而負值會放大。`0` 代表不縮放。如需詳細資訊，請參閱 TensorFlow 文件中的 [RandomZoom](https://www.tensorflow.org/api_docs/python/tf/keras/layers/RandomZoom)。<br />有效值：浮點數，範圍：[`-1.0`,`1.0`]。<br />預設值：`0.1`。 | 
| batch\_size | 訓練的批次大小。以多個 GPU 在執行個體進行訓練時，會在整個 GPU 中使用此批次大小。<br />有效值：正整數。<br />預設值：`32`。 | 
| beta\_1 | `"adam"` 最佳化工具的 beta1。表示第一時間預估的指數衰減率。若是其他最佳化工具則忽略。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.9`。 | 
| beta\_2 | `"adam"` 最佳化工具的 beta2。表示第二時間預估的指數衰減率。若是其他最佳化工具則忽略。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.999`。 | 
| binary\_mode | 當 `binary_mode` 設定為 `"True"` 時，模型會傳回可能類別的單一概率數字，並且可以使用其他 `eval_metric` 選項。僅用於二進制分類問題。<br />有效值：字串，可以是：(`"True"` 或 `"False"`)。<br />預設值：`"False"`。 | 
| dropout\_rate | 頂端分類層中 Dropout 層的 Dropout rate。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.2` | 
| early\_stopping | 設定為 `"True"` 以在訓練期間使用提前停止邏輯。如果 `"False"`，則未使用提前停止。<br />有效值：字串，可以是任一：(`"True"` 或 `"False"`)。<br />預設值：`"False"`。 | 
| early\_stopping\_min\_delta | 符合改善資格所需的變更下限。小於 early\_stopping\_min\_delta 值的絕對變更不符合改善資格。僅在 early\_stopping 設為 "True" 時才使用。有效值：浮動、範圍：[`0.0`, `1.0`]。<br />預設值：`0.0`。 | 
| early\_stopping\_patience | 在沒有任何改善的情況下，繼續訓練的週期數量。僅在 `early_stopping` 設為 `"True"` 時才使用。<br />有效值：正整數。<br />預設值：`5`。 | 
| epochs | 訓練 epoch 的數量。<br />有效值：正整數。<br />預設值：`3`。 | 
| epsilon | 用於 `"adam"`、`"rmsprop"`、`"adadelta"` 和 `"adagrad"` 最佳化工具的 epsilon。通常會設定為較小值，避免要將該值除以 0。若是其他最佳化工具則忽略。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`1e-7`。 | 
| eval\_metric | 若 `binary_mode` 設定為 `"False"`，`eval_metric` 只能為 `"accuracy"`。如果 `binary_mode` 是 `"True"`，請選取任何有效的值。如需詳細資訊，請參閱 TensorFlow 文件中的 [Metrics](https://www.tensorflow.org/api_docs/python/tf/keras/metrics)。<br />有效值：字串，下列任一項：(`"accuracy"`、`"precision"`、`"recall"`、`"auc"`、或 `"prc"`)。<br />預設值：`"accuracy"`。 | 
| image\_resize\_interpolation | 指出調整影像大小時使用的插補方式。如需詳細資訊，請參閱 TensorFlow 文件中的 [image.resize](https://www.tensorflow.org/api_docs/python/tf/image/resize)。<br />有效值：字串，下列任一項：(`"bilinear"`、`"nearest"`、`"bicubic"`、`"area"`、` "lanczos3"`、`"lanczos5"`、`"gaussian"` 或 `"mitchellcubic"`)。<br />預設值：`"bilinear"`。 | 
| initial\_accumulator\_value | 累加器的起始值或 `"adagrad"` 最佳化工具的每個參數動量值。若是其他最佳化工具則忽略。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.0001`。 | 
| label\_smoothing | 指示標籤值的可信度要放鬆多少。例如，如果 `label_smoothing` 為 `0.1`，則非目標標籤為 `0.1/num_classes `，目標標籤為 `0.9+0.1/num_classes`。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.1`。 | 
| learning\_rate | 最佳化工具的學習速率。有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.001`。 | 
| momentum | `"sgd"`、`"nesterov"` 和 `"rmsprop"` 最佳化工具的動量。若是其他最佳化工具則忽略。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.9`。 | 
| optimizer | 最佳化工具類型。如需更多資訊，請參閱 TensorFlow 文件中的[最佳化工具](https://www.tensorflow.org/api_docs/python/tf/keras/optimizers)。<br />有效值：字串，下列任何一項：(`"adam"`、`"sgd"`、`"nesterov"`、`"rmsprop"`、` "adagrad"`、`"adadelta"`)。<br />預設值：`"adam"`。 | 
| regularizers\_l2 | 分類層中 Dense 層的 L2 正則化係數。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`.0001`。 | 
| reinitialize\_top\_layer | 如果設定為 `"Auto"`，則在微調期間重新初始化頂部分類層參數。對於增量訓練，除非設定為 `"True"`，否則不會重新初始化頂部分類層參數。<br />有效值：字串，下列任一項：(`"Auto"`、`"True"` 或 `"False"`)。<br />預設值：`"Auto"`。 | 
| rho | `"adadelta"` 和 `"rmsprop"`最佳化工具的漸層折扣因素。若是其他最佳化工具則忽略。<br />有效值：浮動、範圍：[`0.0`,`1.0`]。<br />預設值：`0.95`。 | 
| train\_only\_top\_layer | 如果 `"True"`，則僅對頂部分類層參數進行微調。如果 `"False"`，則微調所有模型參數。<br />有效值：字串，可以是：(`"True"` 或 `"False"`)。<br />預設值：`"False"`。 |