翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

# NTM のハイパーパラメータ
<a name="ntm_hyperparameters"></a>

次の表に、Amazon SageMaker AI ニューラルトピックモデル (NTM) アルゴリズムで設定できるハイパーパラメータを示します。


| Parameter Name | 説明 | 
| --- | --- | 
| `feature_dim` | データセットの語彙サイズ。<br />**必須**<br />有効な値 : 正の整数 (最小: 1、最大: 1,000,000) | 
| num\_topics | 必要なトピックの数。<br />**必須**<br />有効な値 : 正の整数 (最小: 2、最大: 1000) | 
| batch\_norm | トレーニング中にバッチの正規化を使用するかどうか。<br />**オプション**<br />有効な値: *true* または *false*<br />デフォルト値: *false* | 
| clip\_gradient | 各勾配コンポーネントの大きさの最大値。<br />**オプション**<br />有効な値: 浮動小数点 (最小: 1e-3)<br />デフォルト値は: 無限大 | 
| encoder\_layers | エンコーダー内のレイヤーの数と、各レイヤーの出力サイズ。*auto* に設定すると、アルゴリズムは 3 x `num_topics` のサイズと 2 x `num_topics` のサイズのレイヤーをそれぞれ使用します。<br />**オプション**<br />有効な値 : 正の整数のカンマ区切りリストまたは *auto*<br />デフォルト値: *auto* | 
| encoder\_layers\_activation | エンコーダーレイヤーで使用するアクティベーション関数。<br />**オプション**<br />有効な値: +  `sigmoid`: [シグモイド関数](https://en.wikipedia.org/wiki/Sigmoid_function) <br />+  `tanh`: [双曲線正接](https://en.wikipedia.org/wiki/Hyperbolic_function#Hyperbolic_tangent) <br />+  `relu`: [整流線形ユニット](https://en.wikipedia.org/wiki/Rectifier_(neural_networks)) <br />デフォルト値: `sigmoid` | 
| epochs | トレーニングデータへのパスの最大数。<br />**オプション**<br />有効な値: 正の整数 (最小: 1)<br />デフォルト値: 50 | 
| learning\_rate | オプティマイザの学習レート。<br />**オプション**<br />有効な値: 浮動小数点 (最小: 1e-6、最大: 1.0)<br />デフォルト値: 0.001 | 
| mini\_batch\_size | 各ミニバッチ内の例の数。<br />**オプション**<br />有効な値 : 正の整数 (最小: 1、最大: 10000)<br />デフォルト値: 256 | 
| num\_patience\_epochs | 早期停止条件が評価される後続のエポック数。損失関数の変化が最後のエポック数 `num_patience_epochs` 以内に指定された `tolerance` を下回ると、早期停止がトリガーされます。早期停止を無効にするには、`num_patience_epochs` を `epochs` より大きい値にします。<br />**オプション**<br />有効な値: 正の整数 (最小: 1)<br />デフォルト値： 3 | 
| optimizer | トレーニングに使用するオプティマイザ。<br />**オプション**<br />有効な値:+  `sgd`: [確率的勾配降下法](https://en.wikipedia.org/wiki/Stochastic_gradient_descent) <br />+  `adam`: [アダプティブモーメンタム推定](https://en.wikipedia.org/wiki/Stochastic_gradient_descent#Adam) <br />+  `adagrad`: [適応勾配アルゴリズム](https://en.wikipedia.org/wiki/Stochastic_gradient_descent#AdaGrad) <br />+  `adadelta`: [適応学習レートアルゴリズム](https://arxiv.org/pdf/1212.5701.pdf) <br />+  `rmsprop`: [二乗平均平方根の伝搬](https://en.wikipedia.org/wiki/Stochastic_gradient_descent#RMSProp) <br />デフォルト値: `adadelta` | 
| rescale\_gradient | 勾配の再スケール係数。<br />**オプション**<br />有効な値: 浮動小数点 (最小: 1e-3、最大: 1.0)<br />デフォルト値: 1.0 | 
| sub\_sample | トレーニングのためにエポックごとにサンプリングするトレーニングデータの割合。<br />**オプション**<br />有効な値: 浮動小数点 (最小: 0.0、最大: 1.0)<br />デフォルト値: 1.0 | 
| tolerance | 損失関数の最大相対変化。損失関数の変化が最後のエポック数 `num_patience_epochs` 以内にこの値を下回ると、早期停止がトリガーされます。<br />**オプション**<br />有効な値: 浮動小数点 (最小: 1e-6、最大: 0.1)<br />デフォルト値: 0.001 | 
| weight\_decay |  重み減衰係数。L2 正規化を追加します。<br />**オプション**<br />有効な値: 浮動小数点 (最小: 0.0、最大: 1.0)<br />デフォルト値: 0.0 |