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。

# NTM 超參數
<a name="ntm_hyperparameters"></a>

下表列出您可以為 Amazon SageMaker AI 神經主題模型 (NTM) 演算法設定的超參數。


| 參數名稱 | Description | 
| --- | --- | 
| `feature_dim` | 資料集的詞彙數量。<br />**必要**<br />有效值：正整數 (最小：1、最大：1,000,000) | 
| num\_topics | 必要主題的數量。<br />**必要**<br />有效值：正整數 (最小：2、最大：1000) | 
| batch\_norm | 是否在訓練期間使用批次標準化。<br />**選用**<br />有效值：*true* 或 *false*<br />預設值：*false* | 
| clip\_gradient | 每個梯度元件的最大量級。<br />**選用**<br />有效值：浮點數 (最低：1e-3)<br />預設值：無限 | 
| encoder\_layers | 編碼器中的層數量以及各層的輸出大小。當設定為 *auto* 時，演算法會分別使用大小為 3 x `num_topics` 和 2 x `num_topics` 的兩個層。<br />**選用**<br />有效值：正整數的逗號分隔清單或 *auto*<br />預設值：*auto* | 
| encoder\_layers\_activation | 用於編碼器層的啟用功能。<br />**選用**<br />有效值：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/ntm_hyperparameters.html)<br />預設值：`sigmoid` | 
| epochs | 針對訓練資料的最高傳遞次數。<br />**選用**<br />有效值：正整數 (最低：1)<br />預設值：50 | 
| learning\_rate | 最佳化工具的學習率。<br />**選用**<br />有效值：浮點數 (最低：1e-6、最高：1.0)<br />預設值：0.001 | 
| mini\_batch\_size | 每一個迷你批次中的範例數。<br />**選用**<br />有效值：正整數 (最小：1、最大：10000)<br />預設值：256 | 
| num\_patience\_epochs | 要對其評估提早停止條件的連續 epoch 數量。當損失函式中的變更低於最後 `num_patience_epochs` 個 epoch 數內指定的 `tolerance` 時，即會觸發提前停止。若要停用提早停止，請將 `num_patience_epochs` 設為大於 `epochs` 的值。<br />**選用**<br />有效值：正整數 (最低：1)<br />預設值：3 | 
| optimizer | 用於訓練的最佳化工具。<br />**選用**<br />有效值：[See the AWS documentation website for more details](http://docs.aws.amazon.com/zh_tw/sagemaker/latest/dg/ntm_hyperparameters.html)<br />預設值：`adadelta` | 
| rescale\_gradient | 梯度的重新調整因子。<br />**選用**<br />有效值：浮點數 (最低：1e-3、最高：1.0)<br />預設值：1.0 | 
| sub\_sample | 要針對每個 epoch 訓練取樣的部分訓練資料。<br />**選用**<br />有效值：浮點數 (最低：0.0、最高：1.0)<br />預設值：1.0 | 
| tolerance | 損失函式的最大相對變更。當損失函式中的變更低於最後 `num_patience_epochs` 個 epoch 數內的此值時，即會觸發提前停止。<br />**選用**<br />有效值：浮點數 (最低：1e-6、最高：0.1)<br />預設值：0.001 | 
| weight\_decay |  權重衰減係數。新增 L2 正規化。<br />**選用**<br />有效值：浮點數 (最低：0.0、最高：1.0)<br />預設值：0.0 |