Amazon SageMaker 的 Automatic Model Tuning 功能现已正式推出。借助此功能，Amazon SageMaker 可以通过调整数千个不同的算法参数组合来自动校正您的模型，从而达到模型能够实现的最精准预测。

当您要校正模型以提高准确度时，您需要执行两项重要操作：修改您为模型提供的数据输入（如采用一个数的对数），以及调整算法的参数。这些参数称为超参数，很难找到正确的值。一般来说，您可以先随便选择一个值，然后在您开始注意到变化产生的影响后进行调整，一直重复便可。这一周期可能很长，具体取决于您的模型拥有多少超参数。

Amazon SageMaker 在训练期间提供 Automatic Model Tuning 选项，从而简化了这一周期。Amazon SageMaker 将真正使用 Machine Learning 技术优化您的 Machine Learning 模型。工作原理如下：学习不同类型的数据对模型有何影响，然后在多个模型副本中应用该知识以快速找出最佳的可能结果。作为开发人员或数据科学家，这意味着您确实只需关注自己希望对模型中数据所做的调整，因此训练期间所需关注的问题便大大减少了。启动 Automatic Model Tuning 时，您只需通过 API 指定训练任务的数量即可，Amazon SageMaker 会替您完成剩下的工作。

Automatic Model Tuning 现已面向以下 AWS 区域推出：美国东部（弗吉尼亚北部）、美国东部（俄亥俄）、美国西部（俄勒冈）、欧洲（爱尔兰）和亚太地区（东京）。访问文档页面，了解有关 Automatic Model Tuning 的更多信息，并参阅博文，了解如何将 Automatic Model Tuning 用于您的训练作业。