Amazon SageMaker 自动模型优化现已支持通过上调限制来提高模型的准确性

Amazon SageMaker 自动模型优化使您能够通过查找数据集的最佳超参数配置集来找到最准确的机器学习 (ML) 模型版本。SageMaker 自动模型优化现已支持针对两个服务限额上调限制，每个优化任务可运行的总训练任务数量增加 50%，每个优化任务可搜索的超参数数量达到最大值。

自即日起，在一个优化任务中，您总共可以运行多达 750 个训练任务，这是之前使用“贝叶斯”或“随机”搜索方法时默认限制 (500) 的 1.5 倍。鉴于每个优化任务运行的总训练任务数量增加，这使您能够探索更多的超参数组合，从而有助于优化时钟时间、预测性能和总体成本之间的权衡。当探索更多的组合时，发现高质量超参数配置的几率增加，从而可以提高 ML 模型的质量。此外，通过使用 AWS Support 中心提交上调限制请求，对于“随机搜索”策略，SageMaker 自动模型优化将继续支持探索多达 10,000 个超参数配置。

此外，现在可以针对任何搜索策略优化多达 30 个超参数，这是之前限制 (20) 的 1.5 倍。如此多的超参数数量允许针对神经架构搜索等使用案例使用 SageMaker 自动模型优化，此类使用案例通常需要优化大量的超参数。

SageMaker 自动模型优化的上调限制功能现已在所有商业 AWS 区域中推出，适用于所有优化任务。您可以在资源限制页面中找到新的限制，在服务限额页面中找到 Amazon SageMaker 默认限额列表。您可以使用 AWS 软件开发工具包或 SageMaker 软件开发工具包在 AWS 管理控制台启动具有更高限制的 SageMaker 自动模型优化任务。如需了解更多信息，请访问 SageMaker 自动模型优化技术文档。