يقوم الضبط التلقائي للنموذج من SageMaker تلقائيًا باختيار تكوينات الضبط
أصبح Amazon SageMaker Automatic Model Tuning قادرًا الآن على اختيار نطاقات المعلمات الفائقة واستراتيجية البحث ووقت التشغيل الأقصى لمهمة الضبط ونوع الإيقاف المبكر لمهام التدريب وعدد مرات إعادة محاولة مهمة التدريب وعلامة تقارب النموذج لإيقاف مهمة الضبط، استنادًا إلى المقياس الموضوعي الذي تقدمه. هذا يقلل من الوقت اللازم لبدء عملية الضبط ويزيد من فرص العثور على نماذج أكثر دقة بميزانية أقل.
يتطلب اختيار المعلمات الفائقة الصحيحة خبرة في تقنيات التعلم الآلي ويمكن أن يؤثر بشكل كبير على أداء النموذج الخاص بك. حتى مع ضبط المعلمات الفائقة، لا تزال بحاجة إلى تحديد تكوينات ضبط متعددة، مثل نطاقات المعلمات الفائقة واستراتيجية البحث وعدد مهام التدريب التي سيتم إطلاقها. يعد تصحيح مثل هذا الإعداد أمرًا معقدًا ويتطلب عادةً تجارب متعددة، مما قد يؤدي إلى تكاليف تدريب إضافية.
بدءًا من اليوم، يوفر Amazon SageMaker Automatic Model Tuning الضبط التلقائي، وهو تكوين جديد يلغي الحاجة إلى تحديد الإعدادات مثل نطاقات المعلمات الفائقة أو استراتيجية الضبط أو عدد المهام المطلوبة كجزء من تعريف المهمة. يؤدي ذلك إلى تسريع عملية التجريب وتقليل الموارد الضائعة في تقييم تكوينات الضبط دون المستوى الأمثل. يمكنك أيضًا مراجعة أي إعدادات يتم اختيارها تلقائيًا بواسطة autotune وتجاوزها. يتوفر خيار الضبط التلقائي في واجهة برمجة تطبيقات CreateHyperParameterTuningJob وفي HyperParameterTuner SageMaker Python SDK.
الوظيفة الجديدة متاحة الآن لضبط نموذج SageMaker التلقائي في جميع مناطق AWS التجارية. لمعرفة المزيد، يرجى زيارة الوثائق الفنية أو الدليل المرجعي لواجهة برمجة التطبيقات أو منشور المدونة أو صفحة ويب SageMaker Automatic Model Tuning.