AI-skolan
En hyperparameter är en inställning som du bestämmer innan en AI-modell tränas, till skillnad från vanliga parametrar som modellen lär sig själv under träningen. Exempel är hur snabbt modellen lär sig (inlärningshastighet), hur många gånger den går igenom datan och hur stor varje träningsomgång är.
Fel inställningar kan ge en modell som lär sig för lite eller som blir överanpassad. Därför testar man ofta flera kombinationer. Läs om grunderna i modellträning och modellparametrar.
Inställningar du gör när du använder en modell, som temperatur, är inte hyperparametrar i denna mening utan genereringsinställningar.
Tänk dig att du bakar: receptet du följer är hyperparametrarna (ugnstemperatur, tid), medan degen som jäser är det modellen lär sig själv.
