发布于: Jan 31, 2023
Amazon SageMaker 自动模型调优现在支持三个新的完成标准，可帮助您在精度、成本和运行时间之间做出权衡，自定义调优作业。
借助 SageMaker 自动模型调优，您可以使用各种搜索策略为数据集搜索最佳超参数配置集，从而帮助优化机器学习 (ML) 模型。在此次发布前，您可以选择指定最大训练作业数或目标指标来完成调优作业。但是，如果您的调优作业必须在特定时间之前完成，那么决定要运行多少训练作业并不是一件容易的事。您可能也不知道哪个目标指标是合理的，您可能宁愿在目标指标停止改进后完成调优作业。
从今天开始，SageMaker 自动模型调优为您的调优作业提供三个额外的完成标准。现在，您可以指定 MaxRuntimeInSeconds，它将在指定时间后自动完成调优作业。要在最佳目标改进速度不够快时停止调优作业，您现在还可以指定 MaxNumberOfTrainingJobsNotImproving。此外，如果您不确定将哪些设置用于这些完成标准，您现在可以指定 CompleteOnConvergence 参数，以便在后续试验中目标指标没有改进时自动停止调优作业。所有这些新的完成标准都允许您在成本、运行时间和准确性之间达到您想要的平衡。
此外，SageMaker 自动模型调优现在在描述 API 响应中包含用于评估这些完成标准的信息。这包括总运行时间（以秒为单位）、到目前为止未改进目标的训练作业数以及调优作业是否聚合的指标。无论您的完成标准设置如何，这些信息都可用，从而简化您的决策过程并帮助您确定何时停止调优作业。