Amazon SageMaker 自动模型优化现在支持备用 SageMaker 训练实例类型，以实现更稳健的优化

Amazon SageMaker 自动模型优化现在支持指定多个备用 SageMaker 训练实例类型，以便在首选实例类型由于容量不足而无法使用时使优化作业更加稳健。

SageMaker 自动模型优化使用您为算法提供的特定范围的超参数在数据集上运行大量训练作业，从而找到模型的最佳版本。然后，它会选择最优的超参数值，从而生成性能最佳的模型，如您选择的指标所衡量的那样。

以前，在创建 SageMaker 自动模型优化作业时，您只能定义一种 SageMaker 训练实例类型。如果此实例类型的容量较低，则作业运行时将增加，并且调优作业失败的几率很高。这是特别不可取的，因为超参数优化涉及运行大量可能长时间运行的训练作业，如果发生此类故障，则必须从头重新开始。此次发布后，您现在可以按照自己的偏好顺序指定多达 5 个额外的备用实例类型，这样一旦出现容量不足，超参数优化作业可以自动回退到下一个备用实例类型。这样一来，优化作业能够适应容量不足的情况，并允许您优化模型，而不会因为某些特定 SageMaker 训练实例的低可用性而导致运行时增加或失败。

在 SageMaker 自动模型优化中指定多个备用实例类型的功能现已在所有商业 AWS 区域推出。 要了解更多信息，请阅读 API 参考指南和技术文档。