发布于: Dec 16, 2022
Amazon SageMaker Experiments 现在支持使用 SageMaker Python SDK 或 Boto3 跟踪和分析在任何 IDE（例如 SageMaker Studio、JupyterHub）或可执行代码（如本地笔记本、脚本）中进行的机器学习 (ML) 实验。您可以跟踪机器学习训练迭代的输入、参数、配置和结果。您可以将这些迭代分配、分组和组织到实验中。
使用 SageMaker Experiments，您可以开始在本地环境中组织、跟踪和分析机器学习实验。SageMaker Experiments 可以跟踪构建模型涉及的所有步骤和构件。跟踪实验使您能够确定参数和设置的有效组合，从而优化模型的性能。此外，您还可以通过在跟踪的实验中重新创建已开发的模型来确保这些模型的可靠性和可再现性。这在解决生产问题或审计模型合规性时很有用。
SageMaker Experiments 与 SageMaker Studio 相集成，提供了可视界面，因此您可以浏览正在进行的实验和过去的实验，比较关键性能指标的运行情况，并确定性能最佳的模型。您可以创建折线图、散点图、条形图和直方图等图表来分析记录的实验结果。SageMaker Studio 使团队成员能够访问相同的信息并确认实验结果是一致的，从而简化协作。您还可以使用 SageMaker Experiments 导出运行可视化内容，然后与利益相关者分享模型评估结果。
您只需为指标记录的摄取、检索和存储付费。作为 AWS Free Tier 的一部分，您可以免费开始使用 SageMaker Experiments。有关更多信息，请参阅 Amazon SageMaker 定价页面。
SageMaker Experiments 已在提供 SageMaker Studio 的所有 AWS 商业区域推出，中国除外。首先，将 SageMaker Studio 更新到最新版本并创建实验。要了解更多信息，请访问 Sagemaker Experiments 产品详情页面和 AWS 机器学习博客。