שלב 5: כוונון של פרמטרים מותאמים אישית
קל לארגן דפים בעזרת אוספים אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
היינו צריכים לבחור מספר היפר-פרמטרים להגדרה ולאימון של המודל. הסתמכנו על אינטואיציה, דוגמאות והמלצות מומלצות. עם זאת, הבחירה הראשונה שלנו בערכים של היפר-פרמטרים עשויה שלא להניב את התוצאות הטובות ביותר. זוהי רק נקודת התחלה טובה להדרכה. כל בעיה היא שונה, וכוונון הפרמטרים האלה יעזור לשפר את המודל כך שישקף בצורה טובה יותר את הייחודיות של הבעיה. בואו נבחן כמה מההיפר-פרמטרים שבהם השתמשנו והמשמעות של הכוונון שלהם:
מספר השכבות במודל: מספר השכבות ברשת הנוירונים מעיד על המורכבות שלו. יש להפעיל שיקול דעת בעת בחירת הערך הזה. שכבות רבות מדי יאפשרו למודל ללמוד יותר מדי מידע על נתוני האימון, מה שגורם להתאמה יתר. מעט מדי שכבות יכולות להגביל את יכולת הלמידה של המודל, ולגרום לחוסר התאמה. לגבי מערכי נתונים של סיווג טקסט, התנסינו ב-MLP אחד, שניים או שלושה שכבות. מודלים עם שתי שכבות הניבו ביצועים טובים, ובמקרים מסוימים, טובים יותר ממודלים עם שלוש שכבות. באופן דומה, ניסינו sepCNN עם ארבע ושש שכבות, והמודלים של ארבע השכבות הניבו ביצועים טובים.
מספר היחידות לכל שכבה: היחידות בשכבה צריכות להכיל את המידע על השינוי שעוברת שכבה. עבור השכבה הראשונה, יש לכך מספר תכונות. בשכבות הבאות, מספר היחידות תלוי בבחירה להרחיב או לכווץ את הייצוג מהשכבה הקודמת. נסו לצמצם את אובדן המידע בין השכבות. ניסינו ערכים של יחידות בטווח [8, 16, 32, 64], ויחידות של 32/64 פעלו היטב.
שיעור הנשירה מתהליך ההמרה: שכבות הנטייה משמשות במודל לנורמליזציה. הן מגדירות את השבר של הקלט לנפילה כאמצעי זהירות להתאמה יתר. טווח מומלץ: 0.2–0.5.
שיעור למידה: זהו השיעור שבו המשקלים של רשת הנוירונים משתנים בין איטרציות. שיעור למידה גבוה עלול לגרום לתנודות גדולות במשקל, וייתכן שלעולם לא נמצא את הערכים האופטימליים שלהן. שיעור למידה נמוך הוא טוב, אבל המודל יתארך יותר. מומלץ להתחיל ממינימום, בין 1 ל-4. אם האימון איטי מאוד, יש להגדיל את הערך הזה. אם המודל לא לומד, נסו להפחית את שיעור הלמידה.
יש כמה פרמטרים היפר-פרמטרים נוספים שספציפיים למודל sepCNN שלנו:
גודל הליבה: הגודל של חלון ההמרות. ערכים מומלצים: 3 או 5.
מאפייני הטמעה: מספר המאפיינים שבהם אנחנו רוצים להשתמש כדי לייצג הטמעות של מילים – כלומר, הגודל של כל וקטור מילים. ערכים מומלצים: 50-300. בניסויים שלנו השתמשנו בהטמעות של GloVe עם 200 מאפיינים עם שכבת הטמעה מתאמנת מראש.
אפשר לשחק עם ההיפר-פרמטרים האלה ולראות מה עובד הכי טוב. אחרי שתבחרו את הפרמטרים הנוספים שמניבים את הביצועים הטובים ביותר לתרחיש לדוגמה שלכם, המודל שלכם יהיה מוכן לפריסה.
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-27 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-27 (שעון UTC)."],[[["\u003cp\u003eInitial hyperparameter choices provide a starting point for model training, but further tuning is crucial to optimize performance for specific text classification problems.\u003c/p\u003e\n"],["\u003cp\u003eThe number of layers in a neural network impacts its complexity, with two-layer MLPs and four-layer sepCNNs showing promising results in text classification.\u003c/p\u003e\n"],["\u003cp\u003eKey hyperparameters to adjust include the number of units per layer (32 or 64 performed well), dropout rate (0.2-0.5 recommended), and learning rate (start low and adjust based on training progress).\u003c/p\u003e\n"],["\u003cp\u003eFor sepCNN models, optimizing kernel size (3 or 5) and embedding dimensions (50-300) further enhances performance.\u003c/p\u003e\n"],["\u003cp\u003eExperimenting with different hyperparameter combinations is essential to achieve the best model performance for your specific use case before deployment.\u003c/p\u003e\n"]]],[],null,["# Step 5: Tune Hyperparameters\n\nWe had to choose a number of hyperparameters for defining and training the\nmodel. We relied on intuition, examples and best practice recommendations. Our\nfirst choice of hyperparameter values, however, may not yield the best results.\nIt only gives us a good starting point for training. Every problem is different\nand tuning these hyperparameters will help refine our model to better represent\nthe particularities of the problem at hand. Let's take a look at some of the\nhyperparameters we used and what it means to tune them:\n\n- **Number of layers in the model** : The number of layers in a neural network is\n an indicator of its complexity. We must be careful in choosing this value. Too\n many layers will allow the model to learn too much information about the\n training data, causing overfitting. Too few layers can limit the model's\n learning ability, causing underfitting. For text classification datasets, we\n experimented with one, two, and three-layer MLPs. Models with two layers\n performed well, and in some cases better than three-layer models. Similarly, we\n tried [sepCNN](https://developers.google.com/machine-learning/glossary?utm_source=DevSite&utm_campaign=Text-Class-Guide&utm_medium=referral&utm_content=glossary&utm_term=sepCNN#depthwise-separable-convolutional-neural-network-sepcnn)s\n with four and six layers, and the four-layer models performed well.\n\n- **Number of units per layer** : The units in a layer must hold the information\n for the transformation that a layer performs. For the first layer, this is\n driven by the number of features. In subsequent layers, the number of units\n depends on the choice of expanding or contracting the representation from the\n previous layer. Try to minimize the information loss between layers. We tried\n unit values in the range `[8, 16, 32, 64]`, and 32/64 units worked well.\n\n- **Dropout rate** : Dropout layers are used in the model for\n [regularization](https://developers.google.com/machine-learning/glossary/?utm_source=DevSite&utm_campaign=Text-Class-Guide&utm_medium=referral&utm_content=glossary&utm_term=dropout-regularization#dropout_regularization).\n They define the fraction of input to drop as a precaution for overfitting.\n Recommended range: 0.2--0.5.\n\n- **Learning rate**: This is the rate at which the neural network weights change\n between iterations. A large learning rate may cause large swings in the weights,\n and we may never find their optimal values. A low learning rate is good, but the\n model will take more iterations to converge. It is a good idea to start low, say\n at 1e-4. If the training is very slow, increase this value. If your model is not\n learning, try decreasing learning rate.\n\nThere are couple of additional hyperparameters we tuned that are specific to our\nsepCNN model:\n\n1. **Kernel size**: The size of the convolution window. Recommended values: 3 or\n 5.\n\n2. **Embedding dimensions**: The number of dimensions we want to use to represent\n word embeddings---i.e., the size of each word vector. Recommended values: 50--300.\n In our experiments, we used GloVe embeddings with 200 dimensions with a pre-\n trained embedding layer.\n\nPlay around with these hyperparameters and see what works best. Once you have\nchosen the best-performing hyperparameters for your use case, your model is\nready to be deployed."]]
