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。

# 調校影像分類 - TensorFlow 模型
<a name="IC-TF-tuning"></a>

*自動模型調校*，又稱為超參數調校，會透過在您的資料集上，執行許多測試超參數範圍的任務，來尋找最佳版本的模型。您可以選擇可調校的超參數、每一個超參數的值範圍，及目標指標。您可以從演算法運算的指標中選擇目標指標。自動模型調校會搜尋所選擇的超參數，以找出產生之模型可最佳化目標指標的值組合。

如需模型調校的詳細資訊，請參閱[使用 SageMaker AI 執行自動模型調校](automatic-model-tuning.md)。

## 由影像分類 - TensorFlow 演算法計算的指標
<a name="IC-TF-metrics"></a>

影像分類演算法是一種監督式演算法。它會報告在訓練期間運算的準確度指標。調校模型時，請選擇此指標做為目標指標。


| 指標名稱 | Description | 最佳化方向 | 
| --- | --- | --- | 
| validation:accuracy | 正確預測數與總預測數的比率。 | 最大化 | 

## 可調校的影像分類 - TensorFlow 超參數
<a name="IC-TF-tunable-hyperparameters"></a>

使用下列超參數調校影像分類模型。對影像分類目標指標影響程度最大的超參數為：`batch_size`、`learning_rate` 和 `optimizer`。根據選取的 `optimizer`，調校與最佳化工具相關的超參數，例如 `momentum`、`regularizers_l2`、`beta_1`、`beta_2` 和 `eps`。例如，只在 `adam` 為 `optimizer` 時，才使用 `beta_1` 和 `beta_2`。

如需每個 `optimizer` 中使用了哪些超參數的詳細資訊，請參閱[影像分類 - TensorFlow 參數](IC-TF-Hyperparameter.md)。


| 參數名稱 | 參數類型 | 建議範圍 | 
| --- | --- | --- | 
| batch\$1size | IntegerParameterRanges | MinValue：8、MaxValue：512 | 
| beta\$11 | ContinuousParameterRanges | MinValue：1e-6、MaxValue：0.999 | 
| beta\$12 | ContinuousParameterRanges | MinValue：1e-6、MaxValue：0.999 | 
| eps | ContinuousParameterRanges | MinValue：1e-8、MaxValue：1.0 | 
| learning\$1rate | ContinuousParameterRanges | MinValue：1e-6、MaxValue：0.5 | 
| momentum | ContinuousParameterRanges | MinValue：0.0、MaxValue：0.999 | 
| optimizer | CategoricalParameterRanges | ['sgd', ‘adam’, ‘rmsprop’, 'nesterov', 'adagrad', 'adadelta'] | 
| regularizers\$1l2 | ContinuousParameterRanges | MinValue：0.0、MaxValue：0.999 | 
| train\$1only\$1top\$1layer | ContinuousParameterRanges | ["True", "False"] |