发布于: Aug 23, 2022
Amazon SageMaker 自动模型优化现在可将启动用于优化模型的每个训练任务的启动时间平均缩短 20 倍（从 2.5 分钟缩短到 8 秒）。在具有大量超参数评估的场景中，重用训练实例累计可以为每 50 次顺序评估节省 2 小时。
SageMaker 自动模型优化使用您为算法选择的特定范围的超参数针对数据集运行大量训练任务，从而找到模型的最佳版本。然后，SageMaker 自动模型优化会选择最优的超参数值，从而生成性能最佳的模型。
在此次发布之前，作为优化的一部分启动的每个训练任务平均需要 2.5 分钟的开销来启动和准备新的 SageMaker 训练实例集群。这可能会成为一个瓶颈，尤其是当训练任务只需要几分钟就可以完成时，总体上将降低优化任务的速度。自即日起，SageMaker 自动模型优化将自动在每个优化任务中重用固定的训练实例集群，从而将每个训练任务的平均启动时间缩短 20 倍。